一种脑瘤计算机辅助诊断方法,具有自动损伤细分和整体决策策略
Liheng Yu1,2,3, Zekuan Yu1,2,3, Linlin Sun4
1Academy for Engineering and Technology, Fudan University, Shanghai, China.
Frontiers in medicine
|October 16, 2023
概括
这项研究引入了一种改进的放射学管道,用于诊断脑瘤. 新方法提高了使用自动细分和集体决策策略区分质瘤和大脑转移的准确性.
科学领域:
- 神经瘤学神经瘤学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 质瘤和大脑转移是常见的大脑恶性瘤,预后不同.
- 准确的瘤类型诊断对于有效的治疗和患者的治疗结果至关重要.
- 传统的放射学管道缺乏集成的细分和分类,阻碍了诊断效率.
研究的目的:
- 开发一种改进的脑瘤和脑转移的计算机辅助诊断方法.
- 将自动损伤细分和集体决策策略集成到放射学管道中.
- 使用多中心MRI数据提高脑瘤诊断的准确性和效率.
主要方法:
- 在三个医院使用了1,022名质瘤和775名脑转移患者的手术前MRI扫描 (T1-CE和T2-flair).
- 开发了用于自动瘤细分的两个细分模型,其次是放射学特征提取.
- 实施了机器学习分类器,重量软投票模型和基于先前知识的整体决策策略.
主要成果:
- 拟议的管道实现了0.8950的精度 (ACC) 和0.9585.5的接收器操作特征曲线 (AUC) 下的面积.
- 这些结果超过了传统放射学管道的性能 (ACC: 0.8850,AUC: 0.9450).
- 自动化细分显著改善了诊断指标.
结论:
- 开发的模型准确地使用MRI放射学对质瘤和大脑转移进行分类.
- 这种新型管道证明了大脑瘤诊断的高概括性和解释性.
- 这种方法显示了改善大脑恶性瘤临床诊断的巨大潜力.
