肺腫瘍の侵入性を深層ニューラルネットワークを用いて自動的に予測する

科学分野:

• 医療用イメージング
• 人工知能
• 腫瘍学

背景:

• 肺がんの侵襲性の早期発見は 患者のアウトカムにとって極めて重要です
• 肺腫瘍の侵襲性 (LTI) の検出のための現在の臨床方法は,挑戦的で侵襲的です.
• 限られた公開データセットと階級の不均衡は,自動化されたLTI予測アルゴリズムの開発を妨げています.

研究 の 目的:

• 計算機断層撮影 (CT) データを用いた非侵襲性肺腫瘍侵襲性の予測のための新しい人工知能システムを開発する.
• 自動化されたLTI検出における限られたデータ利用とクラス不均衡の課題に取り組む.
• 肺腫瘍の侵入性分類の診断性能を改善するために

主な方法:

• 804人の患者の 膨大な高品質の コンピュータートモグラフィーデータセットを 収集し整理しました バイナリラベルは 手術後の病理学的報告に基づいています
• 肺腫瘍侵入性予測ニューラルネットワーク (LTI-Net) を開発し,CT値から腫瘍内異質性を分析するために3D残留ニューラルネットワークのバックボーンを使用した.
• 曲線下の面積 (AUC) メトリックを近似する新しい代理関数を導入し,ペアされたサンプルトレーニングを通じて特徴の差別化と安定した最適化を強化しました.

主要な成果:

• LTI-Netシステムは,収集されたデータセットで肺腫瘍の侵入性を分類する重要な可能性を証明しました.
• LTI-Netは,既存の最先端の方法と比較して,真正陽性と真負率 (HMoPN) のハーモニック平均で顕著な改善を達成しました.
• 提案された方法は,さまざまな不均衡のデータ設定でHMoPNスコアを2.92%増加させ,その堅実性を強調しました.

結論:

• 開発されたLTI-Netは,CT画像を用いた肺腫瘍の侵入性の予測に有効な非侵襲的アプローチを提供します.
• このシステムは,この分野におけるデータ制限と階級の不均衡の問題にうまく対処しています.
• LTI-Netは,肺がんの早期診断と治療計画を改善するための有望な進歩を提供します.