基于MRI图像的深度学习算法,以区分健康肝脏患者与肝脏病变患者
Maciej Skwirczyński1, Zbisław Tabor2, Julia Lasek3
1Faculty of Mathematics and Computer Science, Jagiellonian University, 30-348 Krakow, Poland.
Cancers
|June 28, 2023
概括
这项研究引入了一种先进的AI管道,用于使用多参数MRI诊断肝病. 该方法准确地细分肝病变,并将病例分为健康或疾病,改善早期检测能力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肝病学 肝病学是一种肝病学.
背景情况:
- 诊断肝脏疾病是复杂的,在早期检测方面存在持续的挑战.
- 越来越需要先进的成像技术来在最早的阶段发现肝脏疾病.
研究的目的:
- 开发和评估一种用于多参数MRI中的肝病变多类细分的新管道.
- 使用开发的细分方法将肝脏病例分类为健康病例或含有病变的病例.
主要方法:
- 从多参数MRI图像中开发了一条管道,用于从多参数MRI图像中对肝脏组织 (损伤和正常) 进行多类细分.
- 机器学习模型在用于肝损伤检测和分类的数据集上进行训练和验证.
主要成果:
- 该管道在细分肝病变和分类病例方面取得了很高的准确性.
- 接收器运行特征曲线下的面积 (AUC ROC) 在训练组为0.925,在测试组为0.852,两者均为p < 0.001.
结论:
- 拟议的多类细分方法显示了检测焦点肝损伤和描述肝脏瘤的巨大潜力.
- 这种方法为标准化对肝损伤的医疗评估提供了一个关键步骤.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
06:09Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI
Published on: July 21, 2023
1.3K
