计算机辅助诊断用于查下肢淋巴在使用深度学习的骨盆计算机断层扫描图像中的下肢淋巴

科学领域:

• 医疗成像医学成像
• 在瘤学中使用人工智能
• 淋巴 edem 研究 研究 淋巴 edem 研究

背景情况:

• 下肢淋巴 (LEL) 是妇科癌症治疗后的常见并发症,严重影响患者的生活质量.
• 早期检测和干预对于管理LEL至关重要,但最佳的术后查策略仍未确定.
• 现有的LEL诊断方法可能缺乏在术后环境中的效率或可访问性.

研究的目的:

• 开发和评估计算机辅助诊断 (CAD) 软件,用于查下肢淋巴 (LEL),使用深度学习的盆腔计算机断层扫描 (CT) 图像.
• 评估在妇科癌症患者中使用单个CT图像用于LEL诊断的可行性.
• 提高在术后期LEL查的准确性和效率.

主要方法:

• 采用了使用卷积神经网络 (CNN) 架构 (ResNet-18,ResNet-34,ResNet-50) 的深度学习方法.
• 分析了154名妇科癌症患者的盆腔CT扫描 (共431次扫描),重点关注大三叉体水平的单个图像.
• 脂肪增强CT图像被用作CNN模型的输入,以提高分类性能,通过接收器操作特征分析进行评估.

主要成果:

• 当ResNet-34模型应用于脂肪增强CT图像时,它实现了最高的性能指标.
• 这种模型显示了0.967的曲线下的高面积 (AUC) 和92.9%的准确性来诊断LEL.
• 该研究证实了使用开发的CAD软件从单个CT图像中诊断LEL的可行性.

结论:

• 开发的CAD软件证明了高精度和可行性,用于查下肢淋巴 (LEL) 在妇科癌症患者仅使用CT图像.
• 这种人工智能驱动的工具为早期LEL检测提供了潜在的解决方案,有助于改善患者的治疗结果和生活质量.
• 计划在未来使用外部数据集进行验证,以进一步提高CAD软件的临床实用性和通用性.