IBUS：融合BI-RADS的可解释乳腺超声AI框架

2026年10月14日，arXiv Computer Vision 刊出由 Shengzhou Zhong 等作者发布的研究，提出融合 BI-RADS 结构化描述符的可解释乳腺超声诊断 AI 框架 IBUS。据该报道，研究者构建的数据集涵盖 20 个独立数据集、9,941 名患者，被称为迄今最大的多中心乳腺超声图像与结构化 BI-RADS 描述符配对集合。IBUS 在 14 个测试数据集上跨临床中心和成像条件表现出一致泛化能力；结合 BI-RADS 描述符可实现细粒度风险分层，并通过交叉核对预测的 BI-RADS 分级与恶性概率识别内部不一致的预测。报道还称，IBUS 平台的演示视频已公开。目前该事件仅有这一篇主报道，尚无跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。