[论文解读] Detection of masses and architectural distortions in digital breast tomosynthesis: a publicly available dataset of 5,060 patients and a deep learning model

Mateusz Buda, Ashirbani Saha+6 more|arXiv (Cornell University)|Nov 13, 2020

AI in cancer detection参考文献 19被引用 9

一句话总结

本文介绍了一个公开可用的数据集，包含5,060名患者的22,032个体素数字乳腺断层摄影（DBT）影像，由放射科医生标注了肿块和结构扭曲，同时提出了一种单阶段深度学习模型以检测这些异常。该模型在每侧乳房2个假阳性时达到65%的敏感度，为未来DBT筛查中的人工智能发展设立了基准。

ABSTRACT

Breast cancer screening is one of the most common radiological tasks with over 39 million exams performed each year. While breast cancer screening has been one of the most studied medical imaging applications of artificial intelligence, the development and evaluation of the algorithms are hindered due to the lack of well-annotated large-scale publicly available datasets. This is particularly an issue for digital breast tomosynthesis (DBT) which is a relatively new breast cancer screening modality. We have curated and made publicly available a large-scale dataset of digital breast tomosynthesis images. It contains 22,032 reconstructed DBT volumes belonging to 5,610 studies from 5,060 patients. This included four groups: (1) 5,129 normal studies, (2) 280 studies where additional imaging was needed but no biopsy was performed, (3) 112 benign biopsied studies, and (4) 89 studies with cancer. Our dataset included masses and architectural distortions which were annotated by two experienced radiologists. Additionally, we developed a single-phase deep learning detection model and tested it using our dataset to serve as a baseline for future research. Our model reached a sensitivity of 65% at 2 false positives per breast. Our large, diverse, and highly-curated dataset will facilitate development and evaluation of AI algorithms for breast cancer screening through providing data for training as well as common set of cases for model validation. The performance of the model developed in our study shows that the task remains challenging and will serve as a baseline for future model development.

研究动机与目标

• 为解决在乳腺癌筛查中缺乏大规模、高质量标注、公开可用的数字乳腺断层摄影（DBT）数据集的问题。
• 开发一种稳健的单阶段深度学习模型，用于检测DBT影像中的肿块和结构扭曲。
• 为DBT中AI模型的训练与评估提供标准化基准，提升研究间的可重复性与可比性。
• 通过提供一个共享且多样化的数据集，支持无法直接获取临床数据的研究人员进行模型训练与验证。

提出的方法

• 数据集从杜克健康系统的DEDUCE工具中提取，时间范围为2014年1月至2018年1月，筛选出放射科报告和病理报告中包含“tomosynthesis”或“breast”的DBT检查。
• 所有DBT影像均经过重建并去标识化处理，共包含5,060名患者，总计22,032项检查，分为四类：正常、需额外影像、良性活检和癌症。
• 两名经验丰富的放射科医生独立标注了DBT影像中的肿块和结构扭曲，确保为模型训练与评估提供高质量的真实标签。
• 采用焦点损失训练单阶段3D卷积神经网络，以应对严重的类别不平衡问题，且未使用任何乳腺X线摄影数据进行预训练。
• 模型评估采用基于体素的3D检测框架，要求预测的边界框完全包含真实标签的中心点才视为真正阳性。
• 性能评估采用自由响应受试者工作特征（FROC）曲线，同时应用基于体素和基于乳房的评估指标。

实验结果

研究问题

• RQ1 一个大规模、公开可用的DBT数据集，包含专家标注的肿块和结构扭曲，能否提升基于人工智能的乳腺癌筛查研究的可重复性？
• RQ2 在训练数据有限的情况下，单阶段深度学习模型在DBT影像中检测肿块和结构扭曲的效率如何？
• RQ3 在仅有124例癌症和175例良性病变的情况下，何种损失函数能在极端类别不平衡条件下优化DBT影像的检测性能？
• RQ4 在相同评估协议下，仅使用DBT数据训练的模型与在乳腺X线摄影数据上预训练的模型相比，性能表现如何？
• RQ5 包含正常病例和可操作病例在多大程度上提升了基准数据集的临床真实性和泛化能力？

主要发现

• 该数据集包含来自5,060名患者的22,032个体素DBT影像，其中5,129例为正常，280例需额外影像，112例为良性活检，89例为癌症。
• 采用焦点损失训练的深度学习模型在测试集中达到每侧乳房2个假阳性时65%的敏感度，癌症病例的敏感度为67%。
• 在测试集中，该模型在每DBT体素2个假阳性时达到42%的敏感度，尽管正样本训练数据有限，仍表现出中等性能。
• 焦点损失优于二元交叉熵和加权二元交叉熵，在3D体素级评估中，实现每体素2个假阳性时60%的敏感度。
• 该模型在癌症病例上的表现（每侧乳房2个假阳性时敏感度67%）优于良性病例，凸显了检测非恶性但具有临床行动意义的发现的挑战。
• 采用严格重叠标准（中心点完全包含）的3D体素级评估方法，相比基于中心点的指标，能更有效地提升对大边界框预测的鲁棒性。