進行した胃がんのCT-T段階診断におけるマルチチャネルと注意力メカニズムを持つエンドツーエンドのディープラーニングモデル

科学分野:

• 医療イメージングにおける人工知能
• 腫瘍画像検査
• ラジオミクスとディープラーニング

背景:

• 効果的な胃がん治療計画には 腫瘍の正確なT段階が不可欠です
• CTベースのT段階の現在の方法は均一性がなく,標準化が必要です.
• ディープラーニング (DL) は自動化され,一貫した癌のステージ決定の可能性を秘めています.

研究 の 目的:

• 進行した胃がんにおける腫瘍のT段階化のためのエンドツーエンドのCTベースのディープラーニング (DL) モデルを開発する.
• 腫瘍のセグメンテーションとT段階の分類におけるDLモデルのパフォーマンスを評価する.
• DLモデルのステージの精度を 専門の放射線医と比較する

主な方法:

• 460件の進行した胃がんCTスキャン (2011年−2024年) の遡及分析.
• 3D-Convolution (Conv) -UNetを自動腫瘍セグメンテーションに使用した.
• 端末から端末のDLモデルに統合された三元的なCT-T段階分類のためのSmallFocusNetを使用しました.

主要な成果:

• セグメンテーションモデルは,テストセットで0.860のダイズ類似度係数 (DSC) と0.760のユニオン上の交差点 (IoU) で高精度を達成しました.
• 分類モデルでは,マクロ平均AUCが0. 882で,平均感度が76. 9%であることが示された.
• エンドツーエンドのDLモデルは,放射線医を大幅に上回った (91.9%対82.1%,P=0.007).

結論:

• 開発されたエンドツーエンドDLモデルは,高度な胃がんの非常に正確で一貫したCTベースのTステージングを提供します.
• このAI駆動的なアプローチは,治療前の段階の精度と潜在的に患者の結果を改善する見込みを示しています.
• このモデルの性能は 人間の放射線科医の性能を上回り 臨床的有用性を強調しています