Использование глубокого обучения для дифференциации образований молочной железы на УЗИ

    По данным публикации в Японском журнале Радиологии(Japanese Journal of Radiology) за март 2019 - Distinction between benign and malignant breast masses at breast ultrasound using deep learning method with convolutional neural network / Различение доброкачественных и злокачественных образований молочной железы при УЗИ молочной железы с использованием метода глубокого обучения со сверточной нейронной сетью - внешняя ссылка

    Целью исследования было проверить возможность использования глубокого обучения с помощью сверточной нейронной сети (СНС) для дифференциации изображений доброкачественных и злокачественных образований молочной железы на УЗИ.

    Ретроспективно были отобраны 480 изображений 96 доброкачественных образований и 467 изображений 144 злокачественных образований для обучающей выборки. Модель глубокого обучения была построена с использованием архитектуры СНС GoogLeNet, которая и проанализировала тестовую выборку: 48 доброкачественных образований, 72 злокачественных образований. Также тестовая выборка была интерпретирована тремя радиологами. Чувствительность, специфичность, точность и площадь под кривой рабочих характеристик приемника (AUC) были рассчитаны.

    Модель СНС и радиологи имели чувствительность 0,958 и 0,583–0,917, специфичность 0,925 и 0,604–0,771 и точность 0,925 и 0,658–0,792 соответственно. Модель СНС имела такие же или лучшие диагностические показатели по сравнению с радиологами (AUC = 0,913 и 0,728–0,845, р = 0,01–0,14).

    Глубокое обучение с использованием СНС показывает высокую диагностическую эффективность, позволяющую различать доброкачественные и злокачественные образования молочной железы при ультразвуковом исследовании.

    *Да и без сверточных сетей можно легко обойтись - Классификатор на основе 3...

    *комментарии редактора