Samenvatting

In dit onderzoek zijn recente ontwikkelingen in Machine Learning (ML) en Deep Learning (DL) met betrekking tot borst-, fibroglandulair (FG)- en tumorweefselsegmentatie in MRI-mammografie in kaart gebracht, de prestaties van deze segmentatiesystemen zijn vergeleken en als laatste worden toekomst toepassingsmogelijkheden van Machine Learning en Deep Learning in MRI-mammografie bediscussieerd. ML- en DL-systemen zijn in staat om borst-, FG- of tumorweefsel met precisie te segmenteren in MRI-mammografie onderzoeken, echter is de klinische toepassing nog niet in zicht. Nader extensief onderzoek dient verricht te worden naar validiteit en reproduceerbaarheid van ML- en/of DL-systemen.

The purpose of this study was to review recent developments in Machine Learning (ML) and Deep Learning (DL) systems concerning breast-, fibroglandulair (FG) and tumor segmentation in MRI-mammography, to compare performances of the respective tasks per system and future applications of both systems concerning segmentation in MRI-mammography were reviewed. ML and DL models are capable of performing breast, FG and tumor segmentations in MRI-mammography, it is however not ready for clinical application. Further research must be performed on the validity and reproducibility of ML and DL segmentation models.