基于自动注册的方法的性能,用于纵向损伤匹配和对读者之间的变异性进行比较
Daniel T Huff1, Victor Santoro-Fernandes2, Song Chen3
1AIQ Solutions, Madison, WI, United States of America.
Physics in medicine and biology
|August 11, 2023
概括
一个自动化算法用于在医学扫描上匹配转移性癌症病变,其性能与人类读者相比,显著减少了分析时间. 这项技术为癌症患者的纵向病变评估提供了更高的效率和一致性.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 对转移性癌症患者个体病变的准确评估对于治疗决策至关重要.
- 用医学成像进行纵向监测,需要在扫描之间进行可靠的病变匹配.
- 手动损伤匹配中的读者间变异性 (IRV) 可以影响临床决策.
研究的目的:
- 为了评估自动化损伤匹配算法的性能.
- 为了比较算法的性能与人类专家的读者间可变性 (IRV).
- 评估自动与手动损伤匹配的效率.
主要方法:
- 从患有肺癌,头癌,淋巴瘤和晚期癌症的患者中收集了40对纵向PET/CT和CT扫描.
- 根据癌症负担对病例进行分类:低 (<10),中等 (10-29),高 (30+病变).
- 两个核医学医生手动匹配了病变,共识作为与使用精度,回忆和F1分数的自动化算法进行比较的黄金标准.
主要成果:
- 自动化病变匹配算法在所有指标和癌症队列中显示了与IRV统计学上相似的性能.
- 在高负荷的情况下,自动化方法的F1得分为0.89 (对IRV为0.93),在低负荷的情况下,为1.00 (对IRV为1.00).
- 自动匹配显着更有效,平均时间为3.9分钟,而人类阅读器的30-60分钟.
结论:
- 自动化损伤匹配算法成功满足了通过读者间变异性设定的性能基准.
- 这种自动化方法显著加快了病变匹配过程.
- 自动化损伤匹配提高了转移性癌症患者纵向评估的一致性.
