医疗图像中人工智能驱动的自动体积计算 - 核医学可用的工具,性能和挑战
Thomas Wendler1,2,3, Michael C Kreissl4, Benedikt Schemmer5
1Clinical Computational Medical Imaging Research, Department of Diagnostic and Interventional Radiology and Neuroradiology, University Hospital Augsburg, Germany.
Nuklearmedizin. Nuclear medicine
|November 23, 2023
概括
人工智能 (AI) 和深度学习 (DL) 正在彻底改变医学体积,提高瘤,肝脏和脏评估的准确性. 标准化对于这些AI工具的广泛临床采用至关重要.
科学领域:
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
- 定量成像技术 定量成像技术
背景情况:
- 在瘤学和内分泌学中,体积测量对于诊断,治疗计划和治疗反应评估至关重要.
- 人工智能 (AI) 和深度学习 (DL) 提供自动化的体积计算,提高准确性和减少工作量.
- 机器学习 (ML) 方法与瘤体积的专家评估有很高的相关性,尽管器官体积存在独特的挑战.
研究的目的:
- 审查AI和ML应用在医学体积测量的进步和挑战.
- 评估人工智能驱动的体积测量的可靠性和准确性,用于各种器官,包括肝脏,脏和甲状腺.
- 突出标准化的重要性,并解决AI在体积学中的临床部署领域差距.
主要方法:
- 对AI,DL和ML在医学体积测量中的应用进行现有文献的审查.
- 对不同器官体积测量任务报告的准确性,可靠性和错误率的分析.
- 讨论AI模型通用性的标准化和领域差距等挑战.
主要成果:
- 在肝脏和脏体积测量方面,ML方法显示出高准确度和可靠性,在标准化协议下,可接受的错误.
- 人工智能支持的甲状腺体积测量显示出希望,但需要进一步开发和验证.
- 标准化ML方法仍然是一个重大挑战,以确保在各种临床场景中实现泛化.
结论:
- 人工智能和机器学习显著提高了自动化医疗体积,提供了更高的准确性和效率.
- 标准化和解决领域差距对于AI体积工具的可靠临床集成至关重要.
- 细分工具的未来进步可能会增加AI在治疗规划和疾病监测的常规工作流程中的作用.
