基于深度学习的乳腺摄影体位不良自动检测以减少患者重复成像复诊：一项真实世界应用
图像与视频处理
2020-09-30 v1 人工智能
机器学习
摘要
筛查性乳腺摄影是一种常规影像学检查，用于早期发现乳腺癌，从而降低该疾病导致的发病率和死亡率。为使乳腺癌筛查项目效用最大化，正确的乳腺摄影体位至关重要。正确体位可确保乳腺组织得到充分显示，是有效检出乳腺癌的必要条件。因此，乳腺影像放射科医生必须在对检查做出最终判读前，评估每张乳腺摄影片的体位是否充分；这常常需要患者复诊以进行补充成像。本文提出一种深度学习算法方法，模拟并自动化这一决策过程，以识别体位不良的乳腺摄影片。该算法的目标是协助乳腺摄影技师实时识别体位不充分的摄片，改善乳腺摄影体位与操作质量，并最终减少因初始成像不充分而需复诊的患者人数。所提模型在内外斜位与头尾位中检测体位正确的真阳性率分别为 91.35% 与 95.11%。除这些结果外，我们还展示了一份自动生成的报告，可在患者就诊期间协助乳腺摄影技师采取纠正措施。
引用
@article{arxiv.2009.13580,
title = {Deep Learning-Based Automatic Detection of Poorly Positioned Mammograms to Minimize Patient Return Visits for Repeat Imaging: A Real-World Application},
author = {Vikash Gupta and Clayton Taylor and Sarah Bonnet and Luciano M. Prevedello and Jeffrey Hawley and Richard D White and Mona G Flores and Barbaros Selnur Erdal},
journal= {arXiv preprint arXiv:2009.13580},
year = {2020}
}
备注
12 pages, 13 figures, pre-print