当前位置: > 留学百科 > 在乳腺X线照片中,自动系统识别致密组织,乳腺癌的危险因素。

在乳腺X线照片中,自动系统识别致密组织,乳腺癌的危险因素。

麻省理工学院和马萨诸塞州总医院的研究人员开发了一个自动化的模型,该模型可以像放射专家一样可靠地评估乳房X光片中致密的乳腺组织——乳房X光片是乳腺癌的独立危险因素。

研究人员称,这标志着首次将这种深度学习模型成功地用于临床治疗真正的患者。通过广泛的实施,研究人员希望该模型能够帮助在全国范围内提高乳房密度评估的可靠性。

据估计,超过40%的美国妇女乳房组织致密,这仅仅增加了患乳腺癌的风险。此外,致密的组织可以掩盖乳房X光照片上的癌症,使筛查更加困难。因此,30个美国州规定,如果乳房照片显示女性乳房致密,则必须通知女性。

但是乳房密度评估依赖于主观的人类评估。由于许多因素,结果在放射学家之间是不同的-有时是显著的。麻省理工学院和MGH的研究人员在数以万计的高质量数字乳房X光片上训练了一个深度学习模型,以学习根据专家评估来区分不同类型的乳腺组织,从脂肪到极致密。给定一个新的乳房X线照片,该模型可以识别与专家意见密切相关的密度测量。

乳腺密度是一个独立的危险因素,驱动我们如何与女性沟通他们的癌症风险。我们的动机是创建一个精确和一致的工具,可以在卫生保健系统之间共享和使用,”亚当·亚拉(Adam Yala)说,他是麻省理工学院计算机科学和人工智能实验室(CSAIL)的博士生,也是发表在toda上的一篇描述模型的论文的第二作者。放射学中的Y。

其他合著者包括第一作者、哈佛医学院放射学教授、MGH乳房成像主任康斯坦斯·雷曼、资深作者雷吉娜·巴兹莱、CSAIL的德尔塔电子学教授和MI的电气工程和计算机科学系。T和麻省理工学院科赫癌症综合研究所的一名成员。

映射密度

该模型是建立在卷积神经网络(美国有线电视新闻网),它也被用于计算机视觉任务。研究人员在2009年到2011年间对39000多名女性进行了随机选择的超过58000张乳房X光扫描,并对她们的模型进行了训练和测试。为了训练,他们使用了大约41000个乳房X光照片,为了测试,大约8600个乳房X光照片。

数据集中的每个乳房X光片具有四个类别的标准乳房成像报告和数据系统(BI-RADS)乳房密度等级:脂肪、散乱(散乱密度)、不均匀(大多密集)和致密。在训练和测试乳房X线照片中,大约40%被评估为异质性和密集型。

在训练过程中,随机抽取乳房模型进行分析。它学会了用专家放射科医生密度图来绘制乳房X线照片。例如,致密的乳房包含腺体和纤维结缔组织,它们表现为由粗白线和实心白斑组成的紧密网络。脂肪组织网络似乎更薄,灰色区域遍及。在测试中,该模型观察新的乳房X线照片并预测最有可能的密度类别。

匹配评估

该模型在MGH乳腺成像科实施。在传统的工作流程中,当拍摄乳房X光照片时,它被发送到工作站,以便放射学家进行评估。研究人员的模型安装在一个单独的机器中,该机器在扫描到达放射科医师之前截取扫描,并为每个乳房X光片分配一个密度等级。当放射科医生在他们的工作站上拉起扫描仪时,他们将看到模型的指定等级,然后接受或拒绝。

Yala说:“每一张照片需要不到一秒钟的时间……而且它可以很容易地和廉价地在整个医院范围内扩展。”

在今年1月至5月MGH的10000多张乳房X光片上,该模型在医院放射科医生的二元测试中达到94%的一致性——确定乳房是否不均匀和致密,或者脂肪和疏散。在所有四个Bi-RADS类别中,它匹配了90%的放射科医师的评估。Yala说:“MGH是顶级的乳腺成像中心,放射科医师之间有着高度的一致性,并且这个高质量的数据集使我们能够开发出强有力的模型。”

在使用原始数据集的一般测试中,该模型在四个BI-RADS类别中以77%匹配原始人类专家解释,并且在二进制测试中,以87%匹配解释。

与传统的预测模型相比,研究者使用了一种称为Kappa得分的度量,其中1表示每次都是一致的,而任何更低的都表明协议的较少。商业可获得的自动密度评估模型的Kappa分数最大值约为0.6。在临床应用中,研究者的模型得分为0.85 kappa得分,在测试中,得分为0.67。这意味着该模型比传统模型做出更好的预测。

在另外一个实验中,研究人员从五个MGH放射科医师的500个随机测试乳房X线照片中测试了该模型的一致性。放射科医师将乳房密度分配给乳房X线照片,而不知道原始评估,或他们的同龄人或模型的评估。在本实验中,该模型与放射科医师一致达成了0.78的Kappa评分。

接下来,研究人员的目标是将模型扩展到其他医院。Barzilay说:“基于这一翻译经验,我们将探讨如何将麻省理工学院开发的机器学习算法转变成有益于数百万患者的诊所。”“这是麻省理工学院新中心——麻省理工学院健康机器学习阿卜杜勒·拉蒂夫·贾米尔诊所——的章程,该中心最近成立。我们对这个中心打开的新机遇感到兴奋。”

打赏作者

在乳腺X线照片中,自动系统识别致密组织,乳腺癌的危险因素。:等您坐沙发呢!

发表评论

表情
还能输入210个字