间期乳腺癌的乳房 X 光分类和人工智能性能。
评论：背景 欧洲研究表明，人工智能 （AI） 可以减少间期乳腺癌 （IBC）。然而，在美国，关于 IBC 分类和 AI 有效性的研究，特别是使用数字乳腺断层合成 （DBT） 和年度筛查，是有限的。我们旨在使用 12 个月的筛选间隔对 IBC 进行乳腺 X 光检查分类并评估 AI 性能。方法 根据 2010-2019 年在美国高等教育学术中心获得的数字乳房 X 光检查 （DM） 和 DBT 筛查乳房 X 光片，我们确定了在乳房 X 光检查阴性后 12 个月诊断为 <的 IBC。至少有 3 名乳腺放射科医生回顾性地将 IBC 分类为漏读错误、最小体征可作、最小体征不可作、真实间隔、隐匿性或漏诊技术错误。深度学习 AI 工具为阴性指数筛查乳腺 X 光照片分配了风险评分 （1-10），评分 ≥8 分被视为“标记”。统计分析评估了 IBC 类型与 AI 检查分数、AI 标记和患者/肿瘤特征之间的关联。结果从 |
原文链接：xmolJournal
分类：#xmolJournal #Week162025
评论：背景 欧洲研究表明，人工智能 （AI） 可以减少间期乳腺癌 （IBC）。然而，在美国，关于 IBC 分类和 AI 有效性的研究，特别是使用数字乳腺断层合成 （DBT） 和年度筛查，是有限的。我们旨在使用 12 个月的筛选间隔对 IBC 进行乳腺 X 光检查分类并评估 AI 性能。方法 根据 2010-2019 年在美国高等教育学术中心获得的数字乳房 X 光检查 （DM） 和 DBT 筛查乳房 X 光片，我们确定了在乳房 X 光检查阴性后 12 个月诊断为 <的 IBC。至少有 3 名乳腺放射科医生回顾性地将 IBC 分类为漏读错误、最小体征可作、最小体征不可作、真实间隔、隐匿性或漏诊技术错误。深度学习 AI 工具为阴性指数筛查乳腺 X 光照片分配了风险评分 （1-10），评分 ≥8 分被视为“标记”。统计分析评估了 IBC 类型与 AI 检查分数、AI 标记和患者/肿瘤特征之间的关联。结果从 |
原文链接：xmolJournal
分类：#xmolJournal #Week162025
