High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection

要約

ディープラーニングに基づくコンピュータ支援検出システムは、乳がんの検出において優れた性能を示しています。
ただし、密度の高い組織は塊を隠したり、シミュレートしたりする可能性があるため、高密度の乳房は検出性能が低下します。
したがって、乳癌検出のためのマンモグラフィの感度は、密度の高い乳房では 20% 以上低下する可能性があります。
さらに、非常に密度の高い症例は、低密度の乳房と比較して癌のリスクが高いと報告されました.
この研究は、乳房質量検出モデルのトレーニング中のデータ増強として合成高密度全視野デジタル マンモグラム (FFDM) を使用して、高密度乳房の質量検出性能を向上させることを目的としています。
この目的のために、3 つの FFDM データセットを使用した合計 5 つのサイクル一貫性のある GAN (CycleGAN) モデルが、高解像度マンモグラムでの低密度画像から高密度画像への変換用にトレーニングされました。
トレーニング画像は、乳房密度の BI-RADS カテゴリによって分割され、BI-RADS A はほぼ完全に脂肪が多く、BI-RADS D は非常に密度の高い乳房でした。
私たちの結果は、提案されたデータ拡張技術が、高密度乳房の質量検出の感度と精度を2つの異なるテストセットで2％と6％改善し、ドメイン適応技術として有用であることを示しました。
さらに、合成画像の臨床的リアリズムは、2 人の放射線専門医と 1 人の外科腫瘍医が関与する読者研究で評価されました。

要約(オリジナル)

Computer-aided detection systems based on deep learning have shown good performance in breast cancer detection. However, high-density breasts show poorer detection performance since dense tissues can mask or even simulate masses. Therefore, the sensitivity of mammography for breast cancer detection can be reduced by more than 20% in dense breasts. Additionally, extremely dense cases reported an increased risk of cancer compared to low-density breasts. This study aims to improve the mass detection performance in high-density breasts using synthetic high-density full-field digital mammograms (FFDM) as data augmentation during breast mass detection model training. To this end, a total of five cycle-consistent GAN (CycleGAN) models using three FFDM datasets were trained for low-to-high-density image translation in high-resolution mammograms. The training images were split by breast density BI-RADS categories, being BI-RADS A almost entirely fatty and BI-RADS D extremely dense breasts. Our results showed that the proposed data augmentation technique improved the sensitivity and precision of mass detection in high-density breasts by 2% and 6% in two different test sets and was useful as a domain adaptation technique. In addition, the clinical realism of the synthetic images was evaluated in a reader study involving two expert radiologists and one surgical oncologist.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google