基于深度学习的乳腺X线智能检测系统对钙化的检出能力评估

摘要：

目的 评价基于深度学习(DL)的乳腺X线智能检测系统对乳腺钙化的检出效能.方法 回顾分析140例经病理组织学证实的患者,并进行乳腺X线检查患者的头尾位(CC)和内外斜位(ML0)图像资料,以2名经验丰富高年资放射科医师对图像钙化病变的一致意见作为标准组,由低年资、高年资住院医师各1名和DL系统盲法独立阅片.比较DL系统与低年资和高年资住院医师检出敏感度差异,结合双向表x2检验,评价不同ACR构成、BI-RADS分类、钙化形态和分布影响.结果 140例病例检出BI-RADS 3类以上钙化共275个,低年资住院医师、高年资住院医师和AI系统的检出敏感度分别是73.45％(202/275)、96.00％(264/275)和96.36％(265/275),低年资住院医师检出敏感度低于高年资医师、DL系统(P＜0.05).DL系统及高年资住院医师检出敏感度不受ACR腺体构成、钙化形态、分布、BI-RADS分类等因素的影响(P＞0.05),而低年资住院医师检出敏感度受其影响(P＜0.05).结论 基于深度学习的乳腺智能钙化检测系统对BI-RADS 3类以上钙化灶的检出敏感度较高且稳定,可辅助低年资住院医师减少钙化漏诊,尤其对于致密型乳腺、点状和无定形钙化、簇集和区域分布钙化的漏检.

关键词：可疑钙化、乳腺X线摄影、深度学习、人工智能

所属期刊栏目：47

分类号：R655.8;R816.4(外科学各论)

资助基金：国家重点研发计划2017YFC0907304

在线出版日期：2023-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：13-15,18