Development of new method for differentiating benign and malignant breast lesions using synthetic MRI and artificial intelligence

点击翻译按钮获取中文摘要

本研究の目的は、手法A：Synthetic MRIから得たマッピング画像から作成したAIによる良悪性判定プログラム、手法B：放射線科医によるBI-RADSでのカテゴリー分類の2種類の方法での乳腺病変の良悪性の診断能を比較し、Synthetic MRIとAIを用いた新たな診断方法の確立である。＜手法A＞2022年度はSynthetic MRIにより作成した造影前後の3種類の定量値（T1値、T2値、プロトン密度）のマッピング画像から病変部を含むスライスをjpeg形式で抽出して学習用画像とし、AIを用いた良悪性判定プログラムを作成し診断能を算出した。まずは、mass病変（178人、185病変　良性：51、悪性：134）のみを対象に検討した。プログラム作成では、学習画像からレディオミクス特徴量を抽出し、機械学習で解析する方法を用いた。矩形トリミング・マスク・画像フィルター処理後に88種のレディオミクス特徴量を抽出した。造影前・後の各３種類（合計6種類）のマッピング画像から得た528種の特徴量から100種を特徴量選択し、機械学習用データセットとした。機械学習ではStratified 3-fold交差検証を行い、平均診断能を評価した。造影前後の画像フィルター18種類、６通りの機械学習手法の18×18×6=1944通りの組み合わせ中、最も高い平均正診率のモデルを結果とした。正診率が最も高いのは造影前画像にBilateralフィルター、造影後画像にCurvatureFlowフィルターを使用し、ナイーブベイズで学習したモデルで、悪性病変に対して感度0.76、特異度0.63、陽性的中率0.87、陰性的中率0.47、F値0.81、正解率0.73という結果を得た。＜手法B＞2022年度は、上記の手法Aに用いた185病変について、2名の放射線科医が、BI-RADSでのカテゴリー分類を行った。