使用磁共振胆血管细胞图像中的深度学习模型来诊断常见的胆道结石

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 胃肠病学 胃肠病学

背景情况:

• 磁共振胆血管细胞造影 (MRCP) 对于诊断常见胆道结石 (CBDS) 至关重要.
• 之前没有任何研究使用深度学习 (DL) 模型来检测MRCP中的CBDS.
• 这项研究解决了在MRCP中需要自动化和准确的CBDS诊断的需求.

研究的目的:

• 开发和验证深度学习 (DL) 模型,特别是You Only Look Once版本5 (YOLOv5),用于在MRCP图像中诊断常见的胆道结石 (CBDS).
• 将YOLOv5模型的诊断精度与经验丰富的放射科医生的诊断精度进行比较.
• 评估不同YOLOv5子模型在检测CBDS方面的性能.

主要方法:

• 训练并验证了四个YOLOv5子模型 (YOLOv5s,YOLOv5m,YOLOv5l,YOLOv5x),使用已确诊的CBDS患者的厚板MRCP图像.
• 使用精度,回忆率和平均平均精度 (mAP) 评估模型性能.
• 对比YOLOv5l模型的准确性与63名CBDS患者的放射科医生诊断,分析影响检测的因素.

主要成果:

• 在子模型中,YOLOv5l表现出最高的精度 (0.970).
• YOLOv5l模型在检测CBDS时达到90.5%的准确性,与放射科医生的准确性 (92.1%) 非常接近.
• 与多个CBDS (70%) 相比,单个CBDS (94%) 的检测精度更高.

结论:

• YOLOv5l模型显示了在MRCP中诊断常见胆道结石 (CBDS) 的巨大潜力,其准确性与放射科医生相美.
• 该模型检测CBDS数量的能力是一个有价值的临床资产.
• 虽然随着石头数量的增加,准确性会降低,但YOLOv5为初始临床诊断提供了一个有前途的工具.