Published October 2, 2020
| Version v1
Publication
Open
Application of ultrasound artificial intelligence in the differential diagnosis between benign and malignant breast lesions of BI-RADS 4A
Creators
- 1. Peking University People's Hospital
- 2. Peking University
- 3. Heilongjiang Institute of Technology
- 4. Harbin Institute of Technology
- 5. Zhongda Hospital Southeast University
- 6. Guangxi University
- 7. Guangxi University of Chinese Medicine
- 8. First Affiliated Hospital of Zhengzhou University
Description
Abstract Background The classification of Breast Imaging Reporting and Data System 4A (BI-RADS 4A) lesions is mostly based on the personal experience of doctors and lacks specific and clear classification standards. The development of artificial intelligence (AI) provides a new method for BI-RADS categorisation. We analysed the ultrasonic morphological and texture characteristics of BI-RADS 4A benign and malignant lesions using AI, and these ultrasonic characteristics of BI-RADS 4A benign and malignant lesions were compared to examine the value of AI in the differential diagnosis of BI-RADS 4A benign and malignant lesions. Methods A total of 206 lesions of BI-RADS 4A examined using ultrasonography were analysed retrospectively, including 174 benign lesions and 32 malignant lesions. All of the lesions were contoured manually, and the ultrasonic morphological and texture features of the lesions, such as circularity, height-to-width ratio, margin spicules, margin coarseness, margin indistinctness, margin lobulation, energy, entropy, grey mean, internal calcification and angle between the long axis of the lesion and skin, were calculated using grey level gradient co-occurrence matrix analysis. Differences between benign and malignant lesions of BI-RADS 4A were analysed. Results Significant differences in margin lobulation, entropy, internal calcification and ALS were noted between the benign group and malignant group ( P = 0.013, 0.045, 0.045, and 0.002, respectively). The malignant group had more margin lobulations and lower entropy compared with the benign group, and the benign group had more internal calcifications and a greater angle between the long axis of the lesion and skin compared with the malignant group. No significant differences in circularity, height-to-width ratio, margin spicules, margin coarseness, margin indistinctness, energy, and grey mean were noted between benign and malignant lesions. Conclusions Compared with the naked eye, AI can reveal more subtle differences between benign and malignant BI-RADS 4A lesions. These results remind us carefully observation of the margin and the internal echo is of great significance. With the help of morphological and texture information provided by AI, doctors can make a more accurate judgment on such atypical benign and malignant lesions.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
خلفية مجردة يعتمد تصنيف آفات التصوير الشعاعي للثدي ونظام البيانات 4A (BI - RADS 4A) في الغالب على الخبرة الشخصية للأطباء ويفتقر إلى معايير تصنيف محددة وواضحة. يوفر تطوير الذكاء الاصطناعي طريقة جديدة لتصنيف BI - RADS. قمنا بتحليل الخصائص المورفولوجية والملموسة بالموجات فوق الصوتية للآفات الحميدة والخبيثة BI - RADS 4A باستخدام الذكاء الاصطناعي، وتمت مقارنة هذه الخصائص بالموجات فوق الصوتية للآفات الحميدة والخبيثة BI - RADS 4A لفحص قيمة الذكاء الاصطناعي في التشخيص التفريقي للآفات الحميدة والخبيثة BI - RADS 4A. تم تحليل ما مجموعه 206 آفة من BI - RADS 4A التي تم فحصها باستخدام التصوير بالموجات فوق الصوتية بأثر رجعي، بما في ذلك 174 آفة حميدة و 32 آفة خبيثة. تم تحديد جميع الآفات يدويًا، وتم حساب السمات المورفولوجية والملمسية بالموجات فوق الصوتية للآفات، مثل الدوران، ونسبة الطول إلى العرض، وشويكات الهامش، وخشونة الهامش، وعدم وضوح الهامش، وفصيص الهامش، والطاقة، والإنتروبيا، والمتوسط الرمادي، والتكلس الداخلي، والزاوية بين المحور الطويل للآفة والجلد، باستخدام تحليل مصفوفة التداخل المتدرج للمستوى الرمادي. تم تحليل الاختلافات بين الآفات الحميدة والخبيثة من BI - RADS 4A. النتائج لوحظت اختلافات كبيرة في فصيص الهامش والإنتروبيا والتكلس الداخلي والتصلب الجانبي الضموري بين المجموعة الحميدة والمجموعة الخبيثة ( P = 0.013 و 0.045 و 0.045 و 0.002 على التوالي). كان لدى المجموعة الخبيثة فصوص هامش أكثر وانتروبيا أقل مقارنة بالمجموعة الحميدة، وكان لدى المجموعة الحميدة المزيد من التكلسات الداخلية وزاوية أكبر بين المحور الطويل للآفة والجلد مقارنة بالمجموعة الخبيثة. لم يلاحظ وجود اختلافات كبيرة في الدوران، ونسبة الطول إلى العرض، وشويكات الهامش، وخشونة الهامش، وعدم وضوح الهامش، والطاقة، والمتوسط الرمادي بين الآفات الحميدة والخبيثة. الاستنتاجات مقارنة بالعين المجردة، يمكن أن يكشف الذكاء الاصطناعي عن اختلافات أكثر دقة بين آفات BI - RADS 4A الحميدة والخبيثة. تذكرنا هذه النتائج بعناية بمراقبة الهامش والصدى الداخلي له أهمية كبيرة. بمساعدة المعلومات المورفولوجية والملمس التي يقدمها الذكاء الاصطناعي، يمكن للأطباء إصدار حكم أكثر دقة على مثل هذه الآفات الحميدة والخبيثة غير النمطية.Translated Description (French)
Résumé Contexte La classification des lésions du système de rapports et de données d'imagerie mammaire 4A (BI-RADS 4A) est principalement basée sur l'expérience personnelle des médecins et manque de normes de classification spécifiques et claires. Le développement de l'intelligence artificielle (IA) fournit une nouvelle méthode de catégorisation BI-RADS. Nous avons analysé les caractéristiques morphologiques et de texture ultrasonores des lésions bénignes et malignes BI-RADS 4A à l'aide de l'IA, et ces caractéristiques ultrasonores des lésions bénignes et malignes BI-RADS 4A ont été comparées pour examiner la valeur de l'IA dans le diagnostic différentiel des lésions bénignes et malignes BI-RADS 4A. Méthodes Un total de 206 lésions de BI-RADS 4A examinées par échographie ont été analysées rétrospectivement, dont 174 lésions bénignes et 32 lésions malignes. Toutes les lésions ont été profilées manuellement, et les caractéristiques morphologiques et texturales ultrasoniques des lésions, telles que la circularité, le rapport hauteur-largeur, les spicules de la marge, la grossièreté de la marge, l'indistinct de la marge, la lobulation de la marge, l'énergie, l'entropie, la moyenne grise, la calcification interne et l'angle entre le grand axe de la lésion et la peau, ont été calculées à l'aide de l'analyse de la matrice de co-occurrence du gradient de niveau de gris. Les différences entre les lésions bénignes et malignes de BI-RADS 4A ont été analysées. Résultats Des différences significatives dans la lobulation marginale, l'entropie, la calcification interne et la SLA ont été notées entre le groupe bénin et le groupe malin ( P = 0,013, 0,045, 0,045 et 0,002, respectivement). Le groupe malin avait plus de lobulations marginales et une entropie plus faible par rapport au groupe bénin, et le groupe bénin avait plus de calcifications internes et un angle plus grand entre le grand axe de la lésion et la peau par rapport au groupe malin. Aucune différence significative de circularité, de rapport hauteur-largeur, de spicules de marge, de grossièreté de marge, d'indiscernabilité de marge, d'énergie et de moyenne grise n'a été notée entre les lésions bénignes et malignes. Conclusions Par rapport à l'œil nu, l'IA peut révéler des différences plus subtiles entre les lésions BI-RADS 4A bénignes et malignes. Ces résultats nous rappellent soigneusement l'observation de la marge et l'écho interne est d'une grande importance. À l'aide des informations morphologiques et de texture fournies par l'IA, les médecins peuvent porter un jugement plus précis sur ces lésions bénignes et malignes atypiques.Translated Description (Spanish)
Antecedentes abstractos La clasificación de las lesiones del Breast Imaging Reporting and Data System 4A (BI-RADS 4A) se basa principalmente en la experiencia personal de los médicos y carece de estándares de clasificación específicos y claros. El desarrollo de la inteligencia artificial (IA) proporciona un nuevo método para la categorización BI-RADS. Analizamos las características morfológicas y de textura ultrasónicas de las lesiones benignas y malignas BI-RADS 4A utilizando IA, y estas características ultrasónicas de las lesiones benignas y malignas BI-RADS 4A se compararon para examinar el valor de la IA en el diagnóstico diferencial de las lesiones benignas y malignas BI-RADS 4A. Métodos Se analizaron retrospectivamente un total de 206 lesiones de BI-RADS 4A examinadas mediante ecografía, incluidas 174 lesiones benignas y 32 lesiones malignas. Todas las lesiones se contornearon manualmente, y las características morfológicas y de textura ultrasónicas de las lesiones, como la circularidad, la relación altura-anchura, las espículas del margen, la aspereza del margen, la indistinción del margen, la lobulación del margen, la energía, la entropía, la media gris, la calcificación interna y el ángulo entre el eje largo de la lesión y la piel, se calcularon utilizando el análisis de matriz de co-ocurrencia de gradiente de nivel de gris. Se analizaron las diferencias entre las lesiones benignas y malignas de BI-RADS 4A. Resultados Se observaron diferencias significativas en la lobulación del margen, la entropía, la calcificación interna y la ELA entre el grupo benigno y el grupo maligno ( P = 0,013, 0,045, 0,045 y 0,002, respectivamente). El grupo maligno tenía más lobulaciones de margen y menor entropía en comparación con el grupo benigno, y el grupo benigno tenía más calcificaciones internas y un mayor ángulo entre el eje largo de la lesión y la piel en comparación con el grupo maligno. No se observaron diferencias significativas en la circularidad, la relación altura-anchura, las espículas del margen, la aspereza del margen, la indistinción del margen, la energía y la media gris entre las lesiones benignas y malignas. Conclusiones En comparación con el ojo desnudo, la IA puede revelar diferencias más sutiles entre las lesiones benignas y malignas de BI-RADS 4A. Estos resultados nos recuerdan cuidadosamente que observar el margen y el eco interno es de gran importancia. Con la ayuda de la información morfológica y de textura proporcionada por la IA, los médicos pueden hacer un juicio más preciso sobre tales lesiones benignas y malignas atípicas.Files
s12885-020-07413-z.pdf
Files
(897.6 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:122e24e5b41d2bd9ac50607e43e9875d
|
897.6 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تطبيق الذكاء الاصطناعي بالموجات فوق الصوتية في التشخيص التفريقي بين آفات الثدي الحميدة والخبيثة من BI - RADS 4A
- Translated title (French)
- Application de l'intelligence artificielle ultrasonore dans le diagnostic différentiel entre les lésions mammaires bénignes et malignes de BI-RADS 4A
- Translated title (Spanish)
- Aplicación de la inteligencia artificial ecográfica en el diagnóstico diferencial entre lesiones mamarias benignas y malignas de BI-RADS 4A
Identifiers
- Other
- https://openalex.org/W3089945285
- DOI
- 10.1186/s12885-020-07413-z
References
- https://openalex.org/W1970852662
- https://openalex.org/W1973855456
- https://openalex.org/W2126414602
- https://openalex.org/W2128698905
- https://openalex.org/W2260481171
- https://openalex.org/W2290687990
- https://openalex.org/W2336769953
- https://openalex.org/W2561962159
- https://openalex.org/W2573186037
- https://openalex.org/W2762666833
- https://openalex.org/W2889892884
- https://openalex.org/W2891127019
- https://openalex.org/W2896419000
- https://openalex.org/W2911473969
- https://openalex.org/W2911605224
- https://openalex.org/W2922358453
- https://openalex.org/W2922512202
- https://openalex.org/W2929215516
- https://openalex.org/W2947778584
- https://openalex.org/W2987745555
- https://openalex.org/W4253832971