开发一种用于早期胃癌诊断的深度学习模型,使用手术前计算机断层扫描图像进行诊断
Zhihong Gao1, Zhuo Yu2, Xiang Zhang3
1Zhejiang Engineering Research Center of Intelligent Medicine, The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, China.
Frontiers in oncology
|October 23, 2023
概括
这项研究引入了一种深度学习模型,用于使用CT扫描进行自动化早期胃癌 (EGC) 查. 该模型准确地将EGC与晚期胃癌 (AGC) 区分开来,提高了诊断能力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 胃癌是全球癌症死亡的主要原因之一.
- 准确区分早期胃癌 (EGC) 和晚期胃癌 (AGC) 对于有效治疗至关重要.
- 目前的计算机断层扫描 (CT) 诊断准确度不足以确定胃癌的阶段,往往需要手动细分.
研究的目的:
- 开发和验证使用CT图像进行EGC查的全自动化深度学习模型.
- 与现有方法相比,提高区分EGC和AGC的准确性和效率.
主要方法:
- 使用341名胃癌患者的回顾性数据开发了一种两阶段的深度学习模型.
- 第一阶段涉及无监督域适应细分,用于在未标记的CT图像上自动细分胃部.
- 第二阶段使用切割的胃图像用于EGC和AGC分类模型.
主要成果:
- 细分模型实现了 0.94.4 的子准确度.
- EGC查模型表现出高性能,在验证集上AUC为0.96和准确度为0.92.
- 该模型在多个数据重组中始终实现了AUC高于0.9的值.
结论:
- 拟议的深度学习方法有效地在门静脉CT图像中选EGC.
- 该模型显示稳定性和在胃癌诊断中临床应用的重大潜力.
更多相关视频
10:28Gene Regulation and Targeted Therapy in Gastric Cancer Peritoneal Metastasis: Radiological Findings from Dual Energy CT and PET/CT
Published on: January 22, 2018
11.1K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K