本文要点
1)研究人员提供了一种注释有效的深度学习方法,该方法(1)在乳房X线照片分类中达到了最先进的性能;(2)成功地扩展到了数字乳房断层合成(DBT;'3D乳房X线照片');(3)在临床乳房X线照片阴性结果中检测到癌症;(4)普遍适用于筛查率低的人群;(5)优于专门的乳房成像专家,平均敏感性提高14%。
2)通过从DBT数据创建新的“最大怀疑投影”(MSP)图像,研究人员经过逐步训练的多实例学习方法仅使用乳房级别的标签有效地训练了DBT考试,同时保持了本地的可解释性。
本文研究表明,该软件可以提高全球X线钼靶筛查的准确性并提高其可获取性。
参考文献:
William Lotter, et al. Robust breast cancer detection in mammography and digital breast tomosynthesis using an annotation-efficient deep learning approach. Nature Medicine, 2020.
DOI:10.1038/s41591-020-01174-9
https://www.nature.com/articles/s41591-020-01174-9