东芬兰大学的研究人员开发了一种基于人工智能的新型算法 MV-DEFEAT，以改善乳房 X 线照片密度评估。这一进展有望通过实现更精确的诊断来改变放射学实践。这项研究发表在IEEE Access上。

乳腺组织密度高与乳腺癌风险增加有关，而乳腺组织密度可通过乳房 X 线照片估算。准确评估乳房 X 线照片对于有效的乳腺癌筛查至关重要，但放射学评估的差异性和全球放射科医生短缺等挑战使这些努力变得复杂。

MV-DEFEAT 算法旨在通过结合深度学习技术来解决这些问题，该技术可以同时评估多个乳房 X 光检查视图以进行乳房 X 光检查密度评估，从而反映放射科医生的决策过程。

参与癌症研究人工智能的研究团队包括博士研究员 Gudhe Raju、教授 Arto Mannermaa 和高级研究员 Hamid Behravan。

在本研究中，他们采用了创新的多视角深度证据融合方法。他们的方法利用了 Dempster-Shafer 证据理论和主观逻辑的元素，从多个视角评估乳房 X 光检查图像，从而提供更全面的分析。

MV-DEFEAT 比现有方法有显著改进。它通过自动可靠地量化乳房 X 光检查中致密乳腺组织的密度和分布，显著提高了乳房 X 光检查的准确性。

例如，在包含 10,000 多张乳房 X 光照片的公共 VinDr-Mammo 数据集中，该算法在区分良性和恶性肿瘤方面比现有的多视图方法取得了令人印象深刻的 50.78% 的改善。