深度学习预测淋巴结状况在前手术阶段CT在患有结肠癌的患者
Sergei Bedrikovetski1,2, Jianpeng Zhang3, Warren Seow2
1Discipline of Surgery, Faculty of Health and Medical Sciences, School of Medicine, University of Adelaide, Adelaide, South Australia, Australia.
Journal of medical imaging and radiation oncology
|September 19, 2023
概括
使用ResNet-50开发了一种深度学习模型,用于从CT扫描中预测结肠癌患者的淋巴结 (LN) 转移. 该模型表现不佳,无法准确预测LN状态.
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:
- 淋巴结 (LN) 转移对于结肠癌预后至关重要.
- 准确的手术前诊断LN状态是挑战目前的成像.
- 深度学习为提高诊断准确性提供了潜力.
研究的目的:
- 开发和评估一种深度学习模型,用于预测结肠癌患者的淋巴结 (LN) 状态.
- 评估模型在手术前阶段CT扫描上的诊断性能.
主要方法:
- 使用ResNet-50深度学习框架来预测LN状态.
- 这项研究包括了1,201名患有结肠癌的患者,他们接受了手术前阶段CT.
- 数据被分为培训,验证和两个测试队列 (追溯和前).
主要成果:
- 深度学习模型在验证队列中实现了接收器运行特征曲线下的区域 (AUROC) 0.619.
- 测试队伍的表现低于最佳,AUROC为0.542和0.486.
- 这些结果表明开发模型的预测能力有限.
结论:
- 基于ResNet-50的深度学习模型无法在结肠癌手术前阶段CT上可靠地预测淋巴结 (LN) 状态.
- 需要进一步的研究来开发更有效的AI工具来应对这一临床挑战.
