自动深度学习人工智能工具用于CT上的细分:定义大的基于体积的值

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 计算病理学计算病理学

背景情况:

• 传统的线性测量来评估腹壮大症往往是不准确的.
• 之前的研究表明,深度学习人工智能 (AI) 工具具有自动化脏细分和体积确定的能力.

研究的目的:

• 将自动化深度学习人工智能工具应用于大量选人群.
• 为了建立可靠的基于体积的腹壮成症值.
• 评估AI衍生体积测量的性能与传统线性方法相比.

主要方法:

• 在初级查样本中的8901名患者和二级样本中的104名患有末期肝病的患者的回顾性分析.
• 利用深度学习的人工智能工具进行自动化脏细分和体积计算.
• 通过回归分析,并根据放射科医生的评估进行验证,为脊髓巨产生基于体重的体积值.

主要成果:

• 建立了一个基于体重的脊髓巨变体积值: (3.01 × 体重 [公斤]) + 127 mL,体重> 125 公斤的恒定值为 503 mL.
• 在二次样本中,84%的患者达到基于体重的体积定义的脊髓巨变值.
• 以人工智能为基础的体积评估显示,与线性测量相比,用于检测大的表现优越.

结论:

• 通过使用自动化AI工具,成功地推导出了一种新的,基于体重的脊髓巨体积值.
• 人工智能工具展示了促进大规模,机会性查大病的潜力.
• 这种人工智能驱动的方法在临床实践中为体积评估提供了更准确,更有效的方法.