<rp id="o3inc"></rp>
    1. <rp id="o3inc"><ruby id="o3inc"><input id="o3inc"></input></ruby></rp>
      <dd id="o3inc"><pre id="o3inc"></pre></dd><progress id="o3inc"></progress>

      1. <dd id="o3inc"></dd>

        蘇州醫工所楊曉冬課題組在乳腺X線斷層合成影像(DBT)的微鈣化病灶檢測及良惡性分類技術中取得重要進展

        作者:鄭健 時間:2020-08-31

          在全球范圍內,乳腺癌都是威脅女性健康的最主要惡性癌癥。有研究表明,早期的篩查診斷和治療有利于改善患者的預后。在早期篩查診斷中,乳腺微鈣化簇類病灶是重要的早期征象,對于乳腺癌的早期發現及臨床治療具有重要的意義。乳腺X線攝影對該類病灶十分敏感,其中乳腺X線斷層合成影像(Digital Breast Tomosynthesis, DBT)是一種三維的X射線斷層影像,它能一定程度上克服二維鉬靶攝影因組織重疊而影響病變觀察的問題。

          現階段利用DBT影像進行微鈣化病灶的準確篩查及診斷存在以下挑戰:第一,微鈣化簇病灶分散在三維數據的多張切片中,不利于病灶的整體觀察;第二,由于有限角度的重建或者病人潛在的運動,導致鈣化點存在偽影,這些挑戰容易導致微鈣化病灶的誤診,計算機輔助檢測及診斷技術能一定程度上緩解醫生誤診的現象。

          近期,蘇州醫工所楊曉冬課題組與蘇州市立醫院東區乳腺篩查中心合作,在基于乳腺DBT影像的微鈣化簇檢測及假陽性降低算法研究上取得進展。算法的整體流程如圖1所示,包括候選樣本檢測和假陽性降低兩部分。候選樣本檢測部分采用高斯濾波結合區域聚類的方法獲得初步的微鈣化簇候選樣本,之后采用深度學習算法進行假陽性降低任務。針對DBT影像各向異性分辨率的特點,課題組提出了一種三維各向異性卷積神經網絡(如圖2所示),可以避免各向異性分辨率的影響同時加強了模型對中心切片的特征重用。課題組在收集的包含592例病例的數據集上進行了實驗,獲得了0.9765AUC,性能優于其他四種對比算法,具體實驗結果如圖3所示。

          該研究成果“3D Context-Aware Convolutional Neural Network for False Positive Reduction in Clustered Microcalcifications Detection”發表于IEEE Journal of Biomedical and Health Informatics雜志(2020),論文第一作者為鄭健研究員,張凡和李銘副研究員為通訊作者。該研究課題得到了美國匹茲堡大學醫學院放射科(吳山東教授)、蘇州市立醫院東區乳腺放射科(蔣可和陳倩醫生)等合作單位的大力支持。該項工作受國家重點研發計劃(2016YFC0104505、2016YFF0101303)、國家自然科學基金(61701492)、蘇州市科技局(SYG201825)、中國科學院蘇州生物醫學工程技術研究所(#Y753181305、 #Y95K091K05)等項目的經費支持。

         

          1 微鈣化簇檢測算法流程圖 

         

          2 網絡結構示意圖 

           3 相關算法性能對比 

          此外,課題組還提出了一種高效、準確的計算機輔助微鈣化簇良惡性分類算法。針對微鈣化簇分散在三維空間的特點,作者創新性地設計了多空間域的影像組學特征并對比分析其對關鍵信息的描述性能(包含:形狀特征、紋理特征、強度特征和上下文特征)。通過有效的特征篩選機制和分類器訓練策略,最好的鈣化簇病灶良惡性分類模型的AUC值達到0.868(如圖4所示)。當分別對比良惡性微鈣化簇特征時,發現惡性微鈣化簇相比于良性通常分布較廣、鈣化點更小且更亮(如圖5所示)。該算法能較好地在術前對病灶進行無創診斷,有利于提高醫生的診斷準確率,減少良性病人不必要的手術傷害和經濟負擔。

          該研究成果“A radiomics method to classify microcalcification clusters in digital breast tomosynthesis”發表于Medical Physics雜志(2020),論文第一作者為研究生彭云松,鄭健研究員和陳倩醫師為通訊作者。該研究課題得到了美國匹茲堡大學醫學院放射科(吳山東教授)、蘇州市立醫院東區乳腺放射科(胡大章主任、蔣可醫生)等合作單位的大力支持。該項工作受國家重點研發計劃(2016YFC0104505、2016YFF0101303)、國家自然科學基金(61701492)、蘇州市科技局(SYG201825)、中國科學院蘇州生物醫學工程技術研究所(#Y753181305、 #Y95K091K05)等項目的經費支持。

         

          4 微鈣化簇良惡性分類ROC曲線(receiver operating characteristic)。 

         

          5 a)惡性微鈣化簇,其鈣化點分布較廣;(b)良性微鈣化簇,紅色圈內為微鈣化點,其鈣化點分布較為集中,鈣化點個數較少。 

          相關工作的論文鏈接如下:

          論文1鏈接:https://ieeexplore.ieee.org/document/9120240 

          論文2鏈接:https://aapm.onlinelibrary.wiley.com/doi/full/10.1002/mp.14216 

        附件下載:
        真钱三公棋牌