上空消化道癌的实例细分:特定地点的结果
Alberto Paderno1,2, Francesca Pia Villani3, Milena Fior2
1Unit of Otorhinolaryngology, Head and Neck Surgery, ASST Spedali Civili of Brescia, Brescia, Italy.
概括
深度学习有效地对上空消化道 (UADT) 瘤进行细分,但诊断性能因地点而异. 实例细分显示,与喉/鼻相比,口腔的准确性较低.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 上空消化道 (UADT) 瘤需要准确的细分来进行诊断和治疗计划.
- 深度学习 (DL) 为瘤学中的自动图像分析提供了潜力.
- 窄带成像 (NBI) 增强了在UADT中的粘膜病变的可视化.
研究的目的:
- 应用DL算法,例如对UADT瘤进行细分.
- 评估DL算法在不同UADT子站点的诊断性能:喉/鼻,口腔和鼻.
主要方法:
- 在323名患者的1034张NBI内镜图像上使用了Mask R-CNN DL算法.
- 数据集分为培训 (935),验证 (48) 和测试 (51) 集.
- 子相似系数 (Dsc) 是评估细分精度的主要指标.
主要成果:
- 实例细分实现了总体效率为76.5%,平均DSC为0.90±0.05.
- 损伤预测准确率为77.8% (喉/下喉),86.7% (口腔) 和55.5% (耳鼻).
- 根据部位的平均Dsc变化:0.90 ± 0.05 (喉/鼻),0.60 ± 0.26 (口腔) 和0.81 ± 0.30 (耳鼻),口腔的结果明显较低 (p < 0.001).
结论:
- 使用DL对UADT瘤的实例细分是可行的.
- 与其他UADT区域相比,DL算法在口腔中显示出较低的诊断性能.
