BUSClean: Open-source software for breast ultrasound image pre-processing and knowledge extraction for medical AI

医学影像人工智能（AI）的发展需要对成千上万张图像组成的大规模临床数据集进行筛选和清理。一些模态，如乳腺X线摄影术，包含高度标准化的成像。相比之下，乳腺超声成像（BUS）可能包含许多不被扫描元数据所指示的不规则因素，如增强扫描模式、超声技师注释或其他视图。我们提供了一种开源软件解决方案，用于自动处理临床BUS数据集。该算法执行BUS扫描过滤、清洗和从超声技师注释中提取知识。其模块化设计使用户能够将其适应于新的设置。对一个由430个临床BUS图像组成的内部测试数据集的实验，在检测到每种类型的文本注释时，灵敏度和特异度均达到了>95%和>98%；在检测到具有血流突出、替代扫描模式或无效扫描的扫描时，灵敏度和特异度均达到了>98%。对一个完全外部的公共BUS扫描数据集的案例研究发现，BUSClean识别文本注释和具有血流突出的扫描的灵敏度分别为88.6%和90.9%，特异度分别为98.3%和99.9%。将病变卡尺检测方法适应于案例研究中特定类型的卡尺，展示了BUSClean在新数据分布中的预期用途，并将病变卡尺检测的性能从开箱即用的43.3%和93.3%提高到了92.1%和92.3%的灵敏度和特异度。源代码、示例笔记本和样本数据可在https://github.com/hawaii-ai/bus-cleaning上获得。

本论文旨在解决医学图像中的数据清洗问题，特别是针对乳腺超声图像（BUS）中存在的不规则标注和扫描模式等问题进行处理。

论文提出了一种自动处理临床BUS数据集的开源软件解决方案，可以过滤、清洗和提取超声技师注释的知识，并且可以根据需要进行模块化设计。

论文使用了内部测试数据集和外部公共数据集进行实验，结果表明该算法在检测扫描中的文本注释、血流高亮、非标准扫描模式或无效扫描方面具有高灵敏度和高特异性。此外，论文还提供了源代码、示例笔记本和样本数据。

最近的相关研究包括使用深度学习技术进行医学图像分析和处理的研究，如“Deep Learning for Medical Image Analysis”和“Medical Image Analysis with Deep Learning”。