人工智能用于改进肝积瘤病的诊断

科学领域:

• 医疗成像医学成像
• 放射学中的人工智能
• 计算解剖学的计算解剖学

背景情况:

• 肝炎瘤病的诊断往往依赖于不那么精确的单维测量.
• 体积测量分析提供了一种更准确的方法来评估器官扩大.

研究的目的:

• 开发和评估人工智能 (AI) 模型,用于肝脏和脏的自动细分和体积计算.
• 与手动细分和放射科医生诊断相比,评估AI衍生体积的准确性.

主要方法:

• 两个卷积神经网络 (CNN) 在500个CT扫描上进行了训练,以对肝脏和脏进行细分.
• 人工智能模型对一万张CT扫描数据集进行了细分;性能与手动细分进行了验证.
• 放射科医生报告被审查并与AI计算的器官体积进行比较.

主要成果:

• CNNs实现了高细分精度 (肝脏的迪斯系数为0.988,脏的0.981).
• 人工智能产生的体积与手工测量有很强的相关性 (皮尔森r=0.999).
• 人工智能分析显示,正常肝脏和脏体积的性别差异显著.

结论:

• 卷积神经网络精确地划分肝脏和脏,使精确的体积测量成为可能.
• 人工智能驱动的体积分析显示,它有可能提高放射科医生的诊断肝炎的准确性.
• 为了准确诊断肝壮症,需要性别特定的体积值.