使用深度神经网络开发和验证用于大脑转移的全自动组织划分模型
Jie-Yi Zhao1, Qi Cao2, Jing Chen1
1Department of Neurosurgery, West China Hospital, Sichuan University, Chengdu, China.
Quantitative imaging in medicine and surgery
|October 23, 2023
概括
一个人工智能工具准确地划分单个大脑转移,用于立体射线手术 (SRS) 规划. 这种人工智能方法显著减少了轮时间,提高了临床效率.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 神经外科 神经外科
背景情况:
- 准确的脑转移划分对于立体射线外科手术 (SRS) 规划至关重要但耗时.
- 之前使用卷积神经网络 (CNN) 进行自动划分的研究缺乏临床评估.
- 这项研究旨在开发一种临床上适用的AI工具,用于单个大脑转移的划界.
研究的目的:
- 开发和临床评估人工智能工具,用于自动划分单个大脑转移.
- 将人工智能工具集成到临床实践中,用于SRS治疗计划.
- 与手工方法相比,评估人工智能工具的准确性和效率.
主要方法:
- 对426名患者的对照后T1加权的MRI进行了回顾性分析.
- 开发一种新的2.5D CNN用于单个大脑转移的划线.
- 使用子相似系数 (DSC) 和平均表面距离 (ASD) 的性能评估,经过临床专家审查.
主要成果:
- 人工智能工具实现了平均DSC的88.34%±5.00%和ASD的0.35±0.21毫米.
- 在72.6%的切片中,人工智能生成的轮被认为可接受临床使用.
- 人工智能轮时间 (74秒) 比手动轮时间 (196秒) 短得多.
结论:
- 人工智能工具在划分单个大脑转移方面表现出高准确性,与基本真相相比.
- 开发的AI工具有效地减少了轮时间,有助于在玛刀 (GK) 治疗计划中的临床工作流程.
- 这种人工智能工具显示了将其整合到大脑转移SRS.的临床实践中的希望.
