最主要上皮细胞MRI在内的上皮细胞成像在快速改善上皮细胞癌放射治疗的过程中发挥了不可或缺起着。识别允性和恶性炎症的典型MRI形态，以及与各种恶性亚型相关的特殊性MRI形态学和声学形态，使得放射科外科医生能够备有比其他传统的成像方式更是好的确诊，并对高血压放射治疗提案的订定备有更是有价值的个人信息。虽然自适应增强(DCE) MRI的抗原与x线摄影依然比起，但在允恶性炎症的鉴定全面性上仍有再进一步改善的空外。部分原因是由于放射科外科医生对上皮细胞癌的风险评估因电子技术歧异以及通过观察内和通过观察外解释的歧异而直接影响。
多项分析开发了计算机视觉和数据挖掘的计算机该系统（AI）该系统，该该系统可用于流行病学所示象上的计算机辅助确诊和上皮细胞炎症的定量分析表征。放射组学是计算机辅助确诊的扩展，可备有与生物科学和其他流行病学、病因和基因组数据相关的计算机提取形态。
全因，发表在Radiology杂志的一项分析风险评估了与传统应用软件相比，可用AI该系统时放射科外科医生在上皮细胞DCE MRI所示象上区隔允恶性炎症全面性的确诊性能是否是得到改善，为AI在流行病学的再进一步电子技术的发展及分析开拓了道路。
在本项回顾性分析中，来自8个学术部门和11个私人门诊的19名上皮细胞放射科外科医生对上皮细胞DCE MRI定期检查的所示象完成了该系统性。阅读者对除此以外定期检查校对两次次。在“第一次校对”时，他们可用了最主要声学所示在内传统的计算机辅助风险评估应用软件。在“第二次审读”中，通过计算机辅助确诊应用软件为他们备有了AI该系统性。选用受试者工作特性切线(ROC)该系统性来风险评估阅读者的确诊性能，ROC切线下面积(AUC)作为区隔恶性和允性炎症的指标。主要分析终点是第一次和第二次校对条件下AUC的歧异。
本分析共确立111名男人(为数52岁±13岁[置信区外])并获得111组上皮细胞DCE MRI定期检查(其中恶性炎症54例，允性炎症57例)。当可用AI该系统时，所有阅读者的平除此以外AUC从0.71提升到0.76 (P = 0.04)。当可用上皮细胞影像简报和数据该系统(BI-RADS)一般来说3作为基点时，平除此以外敏感性有所提升(从90%提升到94%;变化的95%置信区外[CI]: 0.8%，7.4%)，但在可用BI-RADS一般来说4a时则不然(从80%到85%;95%置信区外:-0.9%，11%)。无论是可用BI-RADS一般来说4a还是一般来说3作为基点，平除此以外抗原除此以外无显著歧异(分别为52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。
所示 根据上皮细胞成像简报和数据该系统(BI-RADS) 4a类阈值在自适应增强上皮细胞MRI所示象上鉴定允恶性炎症的确诊执行中，19个阅读者第一次和第二次校对的敏感性和抗原(以百分比表示)比起。
本分析表明，计算机该系统该系统的可用提升了放射科外科医生在上皮细胞MRI中鉴定允恶性炎症的确诊性能，为流行病学再进一步订定更是准确的放射治疗提案备有了电子技术伤及的支持，为计算机该系统在流行病学及科研上的电子技术的发展备有了参考依据。
译文出处：
Yulei Jiang,Alexandra V Edwards,Gillian M Newstead.Artificial Intelligence Applied to Breast MRI for Improved Diagnosis.DOI:10.1148/radiol.2020200292
相关新闻
相关问答
