pituitary腺瘤的自动体积评估
Raffaele Da Mutten1, Olivier Zanier1, Olga Ciobanu-Caraus1
1Machine Intelligence in Clinical Neuroscience (MICN) Laboratory, Department of Neurosurgery, Clinical Neuroscience Center, University Hospital Zurich, University of Zurich, Zurich, Switzerland.
Endocrine
|September 25, 2023
概括
自动化深度学习准确地对垂体腺瘤进行细分,以进行体积评估. 然而,术后残留瘤检测仍然具有挑战性,需要进一步开发模型.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- pituitary adenomas (PA) 的手动细分用于体积和切除评估是耗时的,并且具有较差的interrater协议.
- 使用深度学习的自动化方法为客观和快速的体积测量提供了潜力.
研究的目的:
- 开发和验证用于垂体腺瘤细分和体积测量的自动化深度学习管道.
- 评估自动细分的准确性,用于术前和术后的瘤评估.
主要方法:
- 使用一组卷积神经网络 (CNN) 开发了一个自动化体积管道.
- 经过训练和验证的模型在手术前和手术后对比度增强的MRI扫描上.
- 评估了对20个图像集的单独持久集的概括.
主要成果:
- 自动化管道实现了手术前细分的Dice中位数为0.71和术后细分的0.27.
- 体积相关性在手术前很强 (r=0.85),但在术后很弱 (r=0.22).
- 检测粗整切除的检测显示了有限的灵敏度 (66.67%) 和特异性 (36.36%).
结论:
- 开发的管道准确地细分下垂体腺瘤,有助于病变检测和意外瘤进展评估.
- 术后残留瘤检测仍然不那么成功,这表明需要改进.
- 建议使用更大,更多样化的数据集和先进的建模来提高性能.
