改良された人工ニューラルネットワークによるコントラスト増強MRI乳房撮影における病変の悪性度予測

この研究の目的は、改良された人工ニューラルネットワーク（ANN）および追加の新しいトレーニング方法が、コントラスト増強磁気共鳴乳房撮影（MRM）において良性と悪性の乳房病変を区別する能力を評価することです。MRIでの女性乳房のコントラスト増強病変の組織学的に証明された604例を分析しました。形態学的、動的および臨床パラメータが収集され、データベースに保存されました。データセットは、ランダムまたは実験的な方法により、トレーニングおよびテスト（T＆T）アルゴリズムを使用して異なるANNをトレーニングおよびテストするためのいくつかのグループに分割されました。入力変数選択のための新しいコンピュータプログラムも適用されました。感度と特異度が計算され、統計的手法および専門医と比較されました。T＆Tアルゴリズムによるトレーニングセットとテストセット間の症例の分配最適化及び入力選択手順による入力変数の削減後、高度に洗練されたANNは独立した予測サンプルセット内の病変の悪性度予測において93.6％の感度と91.9％の特異度を達成しました。最良の統計的方法は90.5％の感度と68.9％の特異度に達しました。専門医は統計的方法よりも優れていますが、ANNには劣りました（感度92.1%、特異度85.6%）。動的コントラスト増強MRMから抽出された特徴と追加の臨床データは、先進的なANNによって成功裏に分析できます。得られたネットワークの品質は、トレーニング方法に強く依存し、新しいトレーニングツールの使用により改善されます。改良されたANNの最良の結果は専門医を上回ります。