成功可信度中
其他行业 · AI应用
降低乳腺超声假阳性率的AI系统
研究人员开发了一种弱监督深度神经网络，通过模拟放射科医生的诊断工作流程来提高超声检查中的乳腺癌检测能力。该AI处理检查中的每张图像，为可疑图像分配注意力分数，并汇总信息做出最终诊断。模型在约400万张超声图像的大规模数据集上训练，无需昂贵的人工标注。系统性能与10名委员会认证的放射科医生进行了比较。
NYU Langone Health发布于 2026年7月27日阅读 0
开发了一种弱监督深度神经网络，通过模拟放射科医生工作流程提高超声检查中的乳腺癌检测能力。
未披露
假阳性率降低37.4%，请求的活检减少27.8%，同时保持与放射科医生相当的灵敏度。
未披露
在独立运行时，诊断准确率（AUROC）高于单个放射科医生。
未披露
01
业务背景
研究人员开发了一种弱监督深度神经网络，通过模拟放射科医生的诊断工作流程来提高超声检查中的乳腺癌检测能力。该AI处理检查中的每张图像，为可疑图像分配注意力分数，并汇总信息做出最终诊断。模型在约400万张超声图像的大规模数据集上训练，无需昂贵的人工标注。系统性能与10名委员会认证的放射科医生进行了比较。
02
遇到的问题
03
AI 解决方案
04
实施结果
开发了一种弱监督深度神经网络，通过模拟放射科医生工作流程提高超声检查中的乳腺癌检测能力。：
假阳性率降低37.4%，请求的活检减少27.8%，同时保持与放射科医生相当的灵敏度。：
在独立运行时，诊断准确率（AUROC）高于单个放射科医生。：
有效泛化到外部数据集以及不同患者人口统计和设备制造商。：
使用深度神经网络（带注意力机制的ResNet-18）和配备NVIDIA V100 GPU的高性能计算集群。：
05
风险与边界
客户 / 负责人引述
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。