PTC-MAS:一种基于深度学习的手术前自动评估,用于初级甲状腺癌中淋巴结转移的诊断
Ruqian Fu1,2, Hao Yang1,2, Dezhi Zeng1,2
1Department of Ultrasound, The Second Affiliated Hospital of Chongqing Medical University, Chongqing 400010, China.
Diagnostics (Basel, Switzerland)
|May 27, 2023
概括
在甲状腺癌中准确评估淋巴结转移 (LNM) 在手术前是困难的. 新的甲状腺癌淋巴结转移评估系统 (PTC-MAS) 使用人工智能和超声波来改善LNM评估,帮助治疗决策.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 在初级甲状腺癌中使用超声波进行宫淋巴结转移 (LNM) 的术前鉴定仍然是一个重大的临床挑战.
- 准确的,非侵入性的方法对于评估LNM至关重要,以指导患者管理.
- 目前的超声波方法可能受到气管干扰等因素的阻碍,影响诊断准确度.
研究的目的:
- 开发一种自动化系统,即初级甲状腺癌淋巴结转移评估系统 (PTC-MAS),用于初级甲状腺癌中LNM的准确手术前评估.
- 为了利用转移学习和B模式超声波图像进行强大的LNM检测.
- 创建一种超越传统超声波评估局限性的非侵入性工具.
主要方法:
- PTC-MAS集成了一个YOLO甲状腺结节识别系统 (YOLOS) 用于兴趣区域 (ROI) 提取结节.
- 多数投票方法与转移学习 (DenseNet,ResNet,GoogLeNet) 结合,用于使用提取的ROI进行LNM评估.
- 关键的是,在分析过程中保留了结节的相对大小特征,以提高系统性能.
主要成果:
- 转移学习模型实现了曲线下的面积 (AUC) 从0.802到0.858,多数投票方法产生了最高的AUC (0.858).
- 与固定结节大小的方法相比,保存相对结节大小特征的方法显示出更高的性能.
- 在ROI提取方面,YOLOS表现出高精度和灵敏度,这表明其在评估的初始阶段的有效性.
结论:
- 开发的PTC-MAS系统通过保留关键结节大小特征,在评估原发性甲状腺癌LNM方面表现出显著的有效性.
- 这种由人工智能驱动的系统在指导临床治疗策略方面具有相当大的潜力.
- PTC-MAS提供了一种有前途的非侵入性方法,以提高诊断准确度并减轻与超声波干扰相关的问题.
