La evaluación de los ganglios linfáticos mediastinales basados en el aprendizaje profundo en imágenes PET/CT sin...

Área de la Ciencia:

• Imágenes médicas de imágenes médicas.
• La inteligencia artificial es la inteligencia artificial.
• Oncología Oncología.

Sus antecedentes:

• La estadificación N es crucial para el diagnóstico del cáncer, evaluando la participación de los ganglios linfáticos para guiar el tratamiento.
• La evaluación manual de los ganglios linfáticos en las exploraciones PET / CT es un desafío debido al bajo contraste y la heterogeneidad morfológica.
• Los métodos actuales consumen mucho tiempo y pueden ser subjetivos.

Objetivo del estudio:

• Desarrollar un algoritmo de aprendizaje profundo para el N-staging automatizado.
• Para agilizar la localización, clasificación y estadificación de los ganglios linfáticos mediastinales.
• Para permitir una capacitación con poca supervisión sin anotaciones a nivel de píxeles.

Principales métodos:

• Utilizado el registro atlas-a-paciente para la localización de la estación de los ganglios linfáticos.
• Aprendizaje empleado débilmente supervisado con etiquetas a nivel de imagen y pseudoetiquetas deducidas.
• Entrenó un modelo de aprendizaje profundo para la clasificación de las estaciones de los ganglios linfáticos y la estadificación N automatizada.

Principales resultados:

• Se logró una precisión de 0,88, una sensibilidad de 0,72 y una especificidad de 0,90 para la clasificación de la estación de nódulos linfáticos.
• Superó el rendimiento de los enfoques estándar basados en umbrales y los algoritmos de segmentación de lesiones PET.
• Se logró una precisión de 0,63 para el estadio N automático, comparable a los modelos entrenados con máscaras de segmentación.

Conclusiones:

• Dividir el problema N-staging en subtareas mejora el rendimiento.
• La integración de conocimientos previos (registro de atlas) mejora las capacidades del modelo.
• Los modelos con supervisión débil pueden lograr un rendimiento comparable o superior al de los métodos totalmente supervisados.