乳腺超声人工智能技术的现状与未来发展趋势.pdfVIP

MEDICALHEALTH

医学健康

乳腺癌是全球女性最常见的癌症，也是人类因癌症死亡的主要原因。世界卫生组织数据显示，乳腺癌占全球女性

癌症病例的近四分之一，乳腺癌死亡人数占全球女性癌症死亡总人数的六分之一。早期诊断对提高乳腺癌的治愈率和

患者生存质量至关重要，5年生存率可从晚期诊断的26%提升至早期诊断的99%。在众多乳腺检查方法中，超声检查

因具有无辐射、价格低、可重复性好等优势，成为乳腺疾病筛查和诊断的重要手段。然而，传统乳腺超声诊断存在诸

多局限性。首先，超声图像质量受操作医生的技术影响较大，不同医生可能会获得差异明显的超声图像。其次，图像

解读高度依赖医生的经验，主观性强，导致不同医生的诊断结果存在较大差异。再者，面对日益增长的乳腺疾病筛查

需求，医生的工作量大幅增加，容易产生疲劳和漏诊。这些因素促使研究者探索将人工智能技术应用于乳腺超声领

域，以提高诊断的客观性、准确性和效率，为患者提供精准的医疗服务。

乳腺超声人工智能技术的现状与未来发展

趋势

文/李春晓上海市第一人民医院超声科，上海200080

1乳腺超声人工智能技术的发展历程的主观性，提升工作效率。基于传统的CADe，一些学者

对于乳腺病变区域的定位进行了探索研究。结果显示，不

1.1计算机辅助设计系统的发展

论是传统的二维超声还是三维乳腺自动容积扫描技术，在

计算机辅助设计（computeraideddesign，CAD）系统

CADe技术的帮助下，医生可更容易发现并准确诊断乳腺

在医学图像领域的应用包括两部分：计算机辅助检测

疾病，由此，推动了CADx技术的发展。CADx技术在识

（computer-aideddetection，CADe）和计算机辅助诊断

别潜在疾病的同时可为医生提供诊断支持。传统的CADx

（computer-aideddiagnosis，CADx）。20世纪60年代，使用

应用支持向量机、人工神经网络和随机森林等机器学习

CAD系统自动检测乳腺疾病最早应用于乳腺X线摄影技

（machinelearning，ML）算法，但是图像特征需依靠专家

术，最初旨在帮助放射科医生减少因疲惫引起的误判，同

进行设定及人工提取，比如灰度特征和纹理特征。2012年

时在复杂的乳房组织背景下优化对微小癌症病灶的检测。

后，随着深度学习算法在计算机视觉领域取得突破，乳腺

传统的CADe可以提高癌症检测率，但是使医生的工作量

增加了1倍，因为CADe仅局限于异常区域的检测，如乳超声人工智能（artificialintelligence，AI）进入快速发展阶

腺肿块、钙化、组织不对称和变形等。因此，CADx的应段。卷积神经网络（CNN）等深度学习算法能够自动学习

用是发展趋势，旨在自动分类CADe发现的异常区域。图像的多层次特征，显著提高了病灶检测和分类的准确

1.2CAD在乳腺超声技术中的应用率。近年来，随着Transformer等新型网络架构的出现，以

手动定位和勾画乳腺病灶区域并进行分析，对于超声及大规模标注数据集的建立，乳腺超声AI技术持续进步。

医