在早期的术后多模态MRI中,用深度神经网络对质母细胞瘤进行细分
Ragnhild Holden Helland1,2, Alexandros Ferles3,4, André Pedersen5
1Department of Health Research, SINTEF Digital, 7465, Trondheim, Norway. ragnhild.h.helland@ntnu.no.
Scientific reports
|November 3, 2023
概括
在术后早期的MRI中,残留质母细胞瘤的自动细分显示了专家级的性能. 这种人工智能工具提高了估计瘤切除程度的准确性,有助于患者的预后.
科学领域:
- 神经瘤学神经瘤学
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 切除的程度是质母细胞瘤患者的关键预后因素.
- 目前评估瘤切除的方法是主观和可变的.
- 术后MRI的自动细分可以提高准确性.
研究的目的:
- 开发和验证用于早期术后MRI细分残留质母细胞瘤的自动化方法.
- 为了比较人工智能模型与人类专家评级者的性能.
- 为了能够根据切除程度准确地对患者进行分类.
主要方法:
- 两个最先进的神经网络架构适应了残留瘤细分.
- 模型在一个大型的多中心数据集 (近1000名患者,12所机构) 上进行了训练和验证.
- 绩效使用Dice分数进行细分和均衡准确度进行分类来评估.
主要成果:
- 最好的模型在细分方面获得了61%的子得分.
- 分类性能达到约80%的平衡精度.
- 人工智能模型在不同的医院中展示了概括能力,并与人类专家相比,表现得相当好.
结论:
- 在早期的术后核磁共振成像上,剩余质母细胞瘤的自动细分是可行的和准确的.
- 人工智能驱动的分析可以提供切除程度的客观和可靠的估计.
- 这项技术有可能改善患者分层和治疗质母细胞瘤的治疗计划.
