基于深度学习的复发检测器在鼻癌的磁共振扫描:一个多中心研究
Yishu Deng1, Yingying Huang2, Bingzhong Jing3
1School of Electronics and Information Technology, Sun Yat-sen University, No. 132 Waihuan East Road, Guangzhou 510006, Guangdong, China; State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Guangdong Key Laboratory of Nasopharyngeal Carcinoma Diagnosis and Therapy, Sun Yat-sen University Cancer Center, No. 651 Dongfeng East Road, Guangzhou 510060, Guangdong, China; Department of Information, Sun Yat-sen University Cancer Center, No. 651 Dongfeng East Road, Guangzhou 510060, Guangdong, China.
European journal of radiology
|September 18, 2023
概括
开发了一种深度学习模型 - - MODERN,以提高MRI扫描中复发性鼻癌 (NPC) 的检测. 这种人工智能工具证明了可靠的准确性,并提高了放射科医生的表现,为改善患者护理提供了潜力.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 在随访MRI扫描中检测复发性鼻癌 (NPC) 需要提高准确性.
- 早期和准确的检测对于及时治疗和改善患者结果至关重要.
研究的目的:
- 开发和评估一个名为MODERN的深度学习 (DL) 模型,用于检测MRI扫描中的反复NPC.
- 评估DL模型的性能与放射科医生相比和与放射科医生合作.
主要方法:
- 从接受治疗的NPC幸存者中回顾收集了5,035次随访MRI扫描.
- 使用内部和外部数据集开发和验证MODERN DL模型.
- 读者研究评估放射科医生的准确性,有或没有现代模型的帮助.
主要成果:
- 现代在验证队列中表现出强的性能,ROC-AUCs范围从0.85到0.88.
- 仅DL模型就实现了可靠的精度 (84.1%),与专家放射科医生 (85.9%) 相比.
- 当使用MODERN评分时,放射科医生的准确性得到了改善,特别是在专家阅读者 (高达87.7%) 的情况下.
结论:
- 一个用于反复NPC检测的DL模型 (MODERN) 显示了可靠的性能.
- 使用MODERN模型的计算机-人类协作可以增强监视MRI扫描的解释.
- 这种方法有可能完善NPC后续的临床工作流程.
