||
乳腺癌是女性癌症相关死亡的主要原因。它也很难诊断。将近十分之一的癌症被误诊为非癌症,这意味着病人可能会失去关键的治疗时间。另一方面,一个女人做的乳房X光片越多,她越有可能看到假阳性的结果。经过10年的年度乳房X光检查,大约三分之二的没有癌症的病人会被告知他们会接受侵入性干预,最有可能是活组织检查。
乳腺超声弹性成像(Breast ultrasound elastography)是一种新兴的成像技术,它通过非侵入性的方式评估其硬度来提供潜在乳腺病变的信息。与传统的成像模式相比,使用更精确的信息来了解乳腺癌与非癌病变的特征,这种方法已经证明了更高的准确性。然而,这一过程的关键是一个复杂的计算问题,它可能耗时且麻烦。但是如果我们依赖于算法的指导呢?
美国南加州大学维特比工程学院(USC Viterbi School of Engineering Hughes)航空和机械工程系教授阿萨德•奥贝莱(Assad Oberai)等利用相关数据和力学的物理定律,可以确定如硬度等力学特性的空间分布。在此之后,从分布中识别和量化适当的特征,最终将肿瘤分类为恶性或良性。
癌性乳腺组织有两个关键特性:异质性(heterogeneity),这意味着有些区域是软的,有些区域是硬的;非线性弹性(non-linear elasticity),这意味着纤维在被拉时有很大的抵抗力,而不是与良性肿瘤最初相关的特性。知道了这一点,奥贝莱创建了基于物理的模型,显示了这些关键特性的不同水平。然后,他使用从这些模型派生的数千个数据输入来训练机器学习算法。
https://www.sciencedaily.com/releases/2019/07/190712151928.htm
Journal Reference:
Dhruv Patel, Raghav Tibrewala, Adriana Vega, Li Dong, Nicholas Hugenberg, Assad A. Oberai. Circumventing the solution of inverse problems in mechanics through deep learning: Application to elasticity imaging. Computer Methods in Applied Mechanics and Engineering, 2019; 353: 448 DOI: 10.1016/j.cma.2019.04.045
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-4-25 15:29
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社