娛樂城

深度學習模型預測開發必發網操作乳腺癌的風險

馬薩諸塞州總醫院(MGH)的研究人員開發了一種深度學習模型,該模型可識別篩查乳房X線照片上的成像生物標誌物,從而比傳統風險評估工具更準確地預測患者患乳腺癌的風險。研究結果將在北美放射學會(RSNA)的年會上提出。

MGH乳腺放射科醫生萊斯利·蘭姆(Leslie Lamb)表示:“傳統的風險評估模型無法利用乳房X線照片所包含的詳細程度。 “即使是最好的現有傳統風險模型也可能將患者的亞組分開,但在個體水平上並不那麼精確。”

當前可用的風險評估模型僅包含一小部分患者數據,例如家族病史,先前的乳腺活檢以及激素和生殖史。篩檢哺乳動物只有一個功能耀發娛樂城本身就是乳房密度,已納入傳統模型。

“當每個女性的乳房X光照片中嵌入如此豐富的數字數據時,為什麼我們應該將自身限制為僅乳房密度?” MGH乳房影像部門負責人Constance D. Lehman,醫學博士說。 “每個女人的乳房X線照片就像她的指紋一樣對她來說是獨一無二的。它包含的成像生物標記物可以高度預測未來的癌症風險,但是直到我們有了深度學習的工具,我們才能夠提取這些信息來改善患者的護理。”

Lamb博士和一組研究人員開發了新的深度學習算法,可使用來自五個MGH乳腺癌篩查站點的數據來預測乳腺癌風險。該模型針對的人群包括具有乳腺癌,植入物或先前的活檢史的女性。

該研究包括2009年至2016年間在80,818位患者中進行的245,753次連續二維數字雙邊篩查X線乳房X線照片。在總的X線照片中,對56,831例患者進行了210,819項檢查進行了培訓,對7,021例患者進行了25,644項檢查以進行測試,對3,961例患者進行了9,290項檢查以進行驗證。

研究人員使用統計分析將深度學習純圖像模型與市售風險評估模型(Tyrer-Cuzii88娛樂城ck版本8)在乳房X線照片的五年內預測將來的乳腺癌。深度學習模型的預測率為0.71,大大優於傳統風險模型的0.61的預測率。

“我們的深度學習模型能夠轉換乳房X光照片中微妙的成像生物標誌物的全部多樣性,從而可以 線上娛樂城評價預測婦女將來患乳腺癌的風險,”蘭姆博士說。

蘭姆博士說新的深層娛樂城比較rning模型已在瑞典和台灣進行了外部驗證,並且還有其他研究百家樂線上娛樂城 針對更多的非裔美國人和少數民族人群。

在MGH,放射線醫生讀取患者的乳房X線照片時,可在報告軟件上獲得深度學習風險信息。

蘭姆博士說:“傳統風險模型獲取和依賴不一致或丟失的數據可能會非常耗時。” “僅圖像學習的深度學習風險模型可以使人們獲得更多更準確,成本更低的風險評估方法,並有助於實現精準醫學的前景。”

本文已從以下材料重新發布。注意:材料的長度和內容可能已被編輯。有關更多信息,請聯繫引用的來源。