科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 本研究旨在探讨深度学习超声组学鉴别肿块型乳腺炎(MM)和浸润性乳腺癌(IBC)的应用价值。方法 回顾性分析经病理证实的50例MM和180例IBC的超声图像。基于ResNet50和GoogLeNet深度学习神经网络提取深度学习特征，并采用3种分类器构建深度学习模型。使用受试者工作特征(ROC)曲线评估模型的效果。结果 基于两种深度学习神经网络的特征均表现为具有中度以上鉴别性能，且ResNet50特征效果更优。基于多种不同分类器构建的深度学习模型均可有效鉴别MM和IBC(AUC≥0.75)。结论 深度学习超声组学有助于鉴别MM与IBC,具有转化为计算机辅助系统助力于大规模乳腺疾病筛查的潜力，提高基层医院的乳腺疾病超声诊断水平，更有利于患者的个体化精准诊疗。
- 单位
