基于深度细分网络和人口添加放射学算法的综合模型的开发和评估,用于细分和诊断早期肺腺癌
Juyoung Lee1, Jaehee Chun2, Hojin Kim3
1Department of Thoracic and Cardiovascular Surgery, Samsung Medical Center, Sungkyunkwan University School of Medicine, 81 Irwon-ro, Gangnam-gu, Seoul 06531, South Korea; Department of Radiation Oncology, Yonsei Cancer Center, Yonsei University College of Medicine, 50-1 Yonsei-ro, Seodaemun-gu, Seoul 03722, South Korea.
综合检测和分类算法 (IDCal) 通过计算机断层扫描 (CT) 扫描和患者数据准确地识别和分类地面玻璃不透明结节 (GGN). 这种人工智能工具具有很高的潜力,可以帮助临床医生在诊断肺腺癌时进行非侵入性诊断.
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:
- 肺腺癌的精确手术前诊断,特别是地面玻璃不透明结节 (GGN),对于治疗规划至关重要,但在计算机断层扫描 (CT) 中具有挑战性.
- 基于CT的诊断往往不同于术后的病理发现,影响手术决策和患者的结果.
研究的目的:
- 开发和评估一个综合检测和分类算法 (IDCal) 用于使用CT图像和患者信息学诊断GGN.
- 将IDCal的性能与用于GGN检测和分类的其他诊断模式进行比较.
主要方法:
- 在检测阶段,使用了经过修改的FC-DenseNet进行精确的GGN病变轮.
- 放射学特征和患者的一般信息被整合为二分法分类,分为非侵入性和侵入性GGN.
- 该IDCal模型是使用168个GGN病例的数据开发的,并通过31个独立的CT扫描进行验证.
主要成果:
- IDCal在GGN检测中表现出高准确度,灵敏度为0.970和错误发现率为0.697.
- 分类性能很好,达到0.97的准确性,0.98的f1得分和0.96.96的ROAUC.
- 该算法在GGN的检测和分类方面实现了高性能.
结论:
- 拟议的综合检测和分类算法 (IDCal) 在检测和分类GGN方面表现出色.
- IDCal显示出作为GGN辅助诊断工具的巨大潜力,帮助临床医生进行手术前诊断和治疗决策.
- 这种多式预测模型为提高GGN诊断的准确性提供了一个有希望的方法.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020