基于乳腺超声动态影像的深度学习模型建立与初步应用

摘要

目的建立基于乳腺超声动态影像的深度学习模型方法,探讨其效能。方法对506例乳腺肿块患者行乳腺超声扫查,存储实时动态图像,导入多功能影像标注平台,采用基于深度学习的端到端的肿块检出网络对原始动态序列图像进行分析提取,训练建立最优化深度学习模型,并对模型的效能进行测试验证。结果平均每序列假阳性个数0.1、0.2、0.5,交并比为0.2和0.5时,基于深度学习模型的单帧乳腺超声影像的肿块检出敏感性分别为76.6%、84.2%、86.0%;基于深度学习模型的多帧乳腺超声影像的肿块检出敏感性分别为77.2%、91.8%、95.3%;平均每序列的假阳性个数0.2、0.5,多帧乳腺超声影像的肿块检出敏感性均较单帧乳腺超声影像的肿块检出敏感性高,差异均有统计学意义(均P<0.05)。结论基于乳腺超声动态影像的深度学习模型能提高乳腺超声影像的肿块检出敏感性。