多视图放射学和深度学习建模用于基于多参数MRI的前列腺癌检测
Chunyu Li1, Ming Deng1, Xiaoli Zhong1
1Department of Radiology, Zhongnan Hospital of Wuhan University, Wuhan, China.
Frontiers in oncology
|July 14, 2023
概括
这项研究开发了先进的成像模型,以区分前列腺癌 (PCa) 和良性前列腺增生 (BPH). 结合放射学和深度学习模型,ADCCombinedScore,在临床决策方面表现出卓越的预测性能.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 在瘤学瘤学.
背景情况:
- 前列腺癌 (PCa) 和良性前列腺增生 (BPH) 分享类似的症状,使诊断复杂化.
- 准确的区分对于适当的治疗和避免不必要的活检至关重要.
研究的目的:
- 开发和比较多参数MRI成像模型,以区分PCa和BPH.
- 评估放射学和深度学习方法的性能,单独和组合.
主要方法:
- 采用多视图放射学策略,比较特征类别 (原始,LOG,波形) 并使用mRMR和LASSO进行特征选择.
- 深度学习 (DL) 模型是使用Swin变压器架构与转移学习构建的.
- 放射学和DL模型被结合在一起,并使用准确性,一致性和临床益处指标评估了它们的预测性能.
主要成果:
- 最优的放射学特征集结合了LoG和波段特征.
- 集成放射学和DL的ADCCombinedScore模型表现出最好的预测性能.
- 将基于T2的模型添加到基于ADC的模型中没有改善,有时甚至降低了预测性能.
结论:
- 开发的成像模型有效地区分PCa和BPH.
- 呈现为名图的ADCCombinedScore模型可以帮助临床医生做出治疗决策,减少不必要的活检.
更多相关视频
09:11Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.6K
12:23Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound
Published on: August 14, 2012
14.3K
