基于超声声素成分的混合人工智能腹部肿块诊断
医学物理
2025-08-05 v1
摘要
背景：腹部肿块构成复杂且呈现不同的超声表型，诊断困难。目的：本研究旨在开发一种创新的基于自动分割和声素成分分类的混合人工智能/计算机辅助诊断 (AI/CADx) 流程，用于基于超声影像区分良性和恶性腹部肿块。方法：该回顾性研究在具有腹部肿块的患者队列中进行。每种肿块仅有一张图像。通过监督的 U-net 算法对肿块边界进行分割。通过基于物理的无监督聚类算法对肿块进行空间划分，将其分为亚声素和超声素成分。将数据集按患者分为训练/验证集（95 个肿块，70%）和独立保留的测试集（41 个肿块，30%）。使用八个成分基准特征外加实物成分是否存在的二元度量，训练线性判别分析分类器以区分恶性和良性肿块。评估分类性能使用受控器操作特征曲线下面积 (AUC)，以及灵敏度、特异度、阴性预测值、阳性预测值和在目标灵敏度为 95% 时的准确率。结果：该队列包括 133 名患者，136 个腹部肿块。在区分恶性和良性肿块方面，该流程在训练/验证集上的 AUC 为 0.90 [0.84, 0.95]，在独立测试集上的 AUC 为 0.93 [0.83, 0.98]。在目标 95% 灵敏度下观察到强烈的诊断性能。结论：一种新型的混合 AI/CADx 声素成分基准的超声影像流程可实现良性和恶性腹部肿块之间的区分，诊断性能强。
引用
@article{arxiv.2504.12438,
title = {Hybrid artificial intelligence echogenic components-based diagnosis of adnexal masses on ultrasound},
author = {Roni Yoeli-Bik and Heather M. Whitney and Hui Li and Agnes Bilecz and Jacques S. Abramowicz and Li Lan and Ryan E. Longman and Maryellen L. Giger and Ernst Lengyel},
journal= {arXiv preprint arXiv:2504.12438},
year = {2025}
}
备注
25 pages, 7 figures, 4 tables