使用深度Q強化學習框架和ResNeSt診斷超音波影像中的腋窩淋巴結

Abstract

乳腺癌是女性最常見的癌症，也是導致女性死亡的第二大常見癌症。腋窩淋巴結的狀態對於乳腺癌患者的預後和治療具有至關重要的影響，目前診斷腋窩淋巴結狀態的方法是臨床醫生透過超音波影像進行診斷接著執行侵入式手術，然而診斷腋窩淋巴結的狀態十分仰賴於臨床醫生的經驗。因此。我們開發了一種術前診斷腋窩淋巴結狀態的電腦輔助診斷系統(computer-aided diagnosis system)。該系統使用了腋窩淋巴結的超音波影像來診斷腋窩淋巴結的轉移狀態。首先，由於超音波的雜訊以及周圍組織干擾，我們採用深度強化學習的框架來偵測超音波影像中的腋窩淋巴結。在獲取腋窩淋巴結的區域後，我們使用了具有高效的通道注意力機制的拆分注意力網路進行腋窩淋巴結狀態的診斷。在我們的實驗之中，總共有217例女性乳腺癌患者，其中有103例腋窩淋巴結的非轉移性影像，266例腋窩淋巴結的轉移性影像，用於評估我們所提出的系統。根據我們實驗的結果，所提出的系統具有準確度81.3% (300/369)、靈敏度80.5% (83/103)、特異性82.0% (218/266)、F1分數75.4%、陽性預測值(PPV) 67.7%、陰性預測值(NPV) 91.4%以及ROC曲線下的面積(AUC) 0.8378的效能。該結果顯示了我們的所提出的系統對於診斷超音波影像中的腋窩淋巴結具有良好的性能。