119
乳腺癌是全球女性最常见的恶性肿瘤之一，其早期检测和分类至关重要。
近日，一项发表在《放射学人工智能》期刊上的研究报告了一种基于Transformer的深度神经网络模型，该模型能够有效地检测和分类乳腺癌。
研究人员采用了一种Transformer架构，该架构分析DBT堆栈的相邻部分。该方法与两个基线进行了比较：一个基于三维（3D）卷积的架构和一个分析每个部分的二维模型。这些模型在5174个4视图DBT检查中进行了训练，在1000个4视图DBT检查中进行了验证，并在655个4视图DBT检查中进行了测试，这些检查是从美国的9个机构通过外部实体回顾性收集的。
在655个DBT检查的测试集上，两个3D模型都显示出比每个部分的基线模型更高的分类性能。与单个DBT部分的基线相比，提出的基于Transformer的模型在AUC（0.88对0.91，P = 0.02）、灵敏度（81.0%对87.7%，P = 0.006）和特异性（80.5%对86.4%，P < 0.001）上都显示出显著的增加，在临床相关的操作点上。基于Transformer的模型只使用了3D卷积模型使用的浮点运算次数的25%，同时显示出类似的分类性能。
研究结论得出，使用来自相邻部分的数据的基于Transformer的深度神经网络比每个部分的基线模型提高了乳腺癌的分类性能，并且比使用3D卷积的模型更高效。
参考资料：
