提高瘤检测:利用人工神经网络进行计算机断层分析
Mateusz Glembin1, Aleksander Obuchowski2, Barbara Klaudel3
1Department of Urology, St. Adalbert's Hospital, COPERNICUS Healthcare Entity, Ltd., Gdańsk, Poland.
概括
人工神经网络 (ANN) 在使用CT扫描来区分癌症和非癌症瘤方面表现有前途,可能减少过度诊断,并帮助积极监测细胞癌.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 细胞癌研究 细胞癌研究
背景情况:
- 细胞癌 (RCC) 是一种普遍存在的欧洲癌症,在手术前的放射学研究中出现了显著的过度诊断率 (11-30.9%).
- 精确区分恶性和良性脏瘤对于有效的患者管理和避免不必要的干预至关重要.
研究的目的:
- 开发一个人工神经网络 (ANN) 模型,利用计算机断层扫描 (CT) 图像.
- 加强恶性和良性瘤之间的区别,作为临床决策和积极监测的补充工具.
主要方法:
- 使用轴心CT图像对357例瘤病例进行了回顾性分析.
- 在7207张动脉相CT图像上使用VGG-16架构训练人工神经网络 (ANN).
- 在38个病例 (10个良性,28个恶性) 的测试数据集上验证ANN模型,并随机分组.
主要成果:
- 经过培训的ANN在分类脏瘤方面取得了81.6%的整体准确率.
- 具体的性能指标包括82.1%的灵敏度,80.0%的特异性和86.8%的F1得分.
- 在验证组中,ANN正确分类了28种恶性瘤中的23种和10种良性瘤中的8种.
结论:
- 开发的人工神经网络 (ANN) 在区分良性和恶性脏瘤方面表现出显著的潜力.
- 这种人工智能驱动的方法显示出作为质放射性评估的辅助工具的承诺,支持积极监测策略.
