Resumen

Para determinar la viabilidad de utilizar un enfoque de aprendizaje profundo (DL) para identificar lesiones BI-RADS 4 benignas y malignas con imágenes preoperatorias de resonancia magnética dinámica de contraste (DCE-MRI) de mama y comparar dos métodos de segmentación 3D. Los pacientes admitidos desde enero de 2014 hasta octubre de 2020 fueron analizados retrospectivamente. Se realizó un examen de resonancia magnética de mama antes de la resección quirúrgica o biopsia, y las masas fueron clasificadas como BI-RADS 4. Se seleccionaron las primeras imágenes postcontraste de la secuencia T1WI de DCE-MRI. Había dos métodos de segmentación 3D para las lesiones, uno era la segmentación manual a lo largo del borde de la lesión rebanada por rebanada, y el otro era el cubo de límite mínimo de la lesión. Luego, se realizó la extracción de características de DL; los valores de píxel de los datos de imagen se normalizaron al rango de 0-

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Viabilidad; Aprendizaje profundo; Lesiones BI-RADS 4; Imágenes de DCE-MRI; Métodos de segmentación 3D; ResNet50
• Keywords:Feasibility; Deep learning; BI-RADS 4 lesions; DCE-MRI images; 3D segmentation methods; ResNet50