新技术可以检测出乳腺癌的警告信号

坎特伯雷大学(UC)的一名学生提出了一种新的计算机化方法来读取乳房x线照片，可以帮助放射科医生发现乳腺癌的警告信号。

李海鹏(音译)在加州大学软件工程专业工作了三年，即将获得博士学位计算算法它可以自动读取和分析x光片。

他在加州大学教授Ramakrishnan Mukundan和克赖斯特彻奇太平洋放射学的放射学家Shelley Boyd博士的指导下开发的算法已经被证明可以准确地检测出与乳房风险增加有关的两种标记癌症．

他希望这项研究最终能帮助放射科医生在早期发现癌症，从而更成功地进行治疗。

“通过日常工作及早发现乳房x光检查在预防乳腺癌死亡方面发挥着重要作用。”“但读取和解释乳房x线照片中的可疑区域是一项重复且具有挑战性的工作。

“我一直在研究的算法旨在使放射科医生更容易识别乳腺癌的两种生物标志物——微钙化物和乳房x光片密度。乳房中微小的钙沉积和致密的乳腺组织都是患乳腺癌风险较高的指标。”

乳腺癌是女性最常见的癌症之一，全球每年有超过150万人被诊断出乳腺癌。

在新西兰，每年有3000多例确诊病例，600多例死亡。

乳房x光检查是一种在世界范围内被广泛接受的常规乳腺癌筛查成像方法，它可以在症状出现前发现约80%-90%的乳腺癌病例。

与国际上放射科医生使用的其他计算机化工具相比，李教授使用先进的机器学习算法的新技术在自动检测微钙化和致密乳腺组织方面显示出更高的准确率。

他的模型使用了从乳房x光照片中提取的纹理特征，提供了微钙化位置的更具体的位置信息。

“我还测试了700多张乳房x光照片的乳房x光密度，并在两个公共乳房x光数据集上获得了92%和87%的分类准确率，”李说。“在海外使用的计算机化分类系统中，准确率超过80%的很少，所以这是一个非常重要的成就。”

他说，他的目标是提供一个“次要视角”来支持放射科医生的工作，让他们更容易解释图像，而不是让电脑取代人。

“知道我所做的工作将有助于人们的健康结果，这对我来说更有意义。它利用人工智能来帮助人类，让我们的生活变得更好。”

在2018年来到新西兰之前，李在中国做了10年的大学讲师，他希望他提出的自动化算法将来能应用到计算机辅助检测和诊断(CAD)系统中。

他说，在该工具用于临床环境之前，还需要进一步的改进和评估。

“我们的目标是达到98%的准确率。目前的算法需要进行一些改进，以便为特定的生物标志物提取更详细的图像信息，我希望与当地医院和放射科医生更密切地合作，以取得更好的结果。”

加州大学计算机科学和软件工程教授穆昆丹是李研究的主要主管，他说计算机化的方法在国际上越来越多地用于解释和分析x射线的诊断相关特征。

“李的研究对这一领域做出了重大贡献，通过对乳房x线照片特征进行全面的纹理分析，用于微钙化检测和乳房密度估计。”

放射科医生博伊德说，从乳房x线照片中检测微钙化是乳腺癌检测的一个主要部分。早期治疗可以防止疾病发展为侵袭性和更具侵袭性的形式。在当地进行有关乳房密度的研究也是有用的，这是一个“激烈辩论”的话题乳房她说，想象世界的现状。

详细介绍李的医学成像算法研究的论文已经在五个国际会议上发表，其中一篇入围了在中国深圳举行的控制、自动化、机器人和视觉2020国际会议的最佳学生论文奖。

---

---