基于医学图像的肝细胞癌诊断中的深度学习方法:系统性审查和元分析
Qiuxia Wei1,2, Nengren Tan3, Shiyu Xiong1,2
1Department of Ultrasound, Sun Yat-sen Memorial Hospital, Sun Yat-sen University, 107 West Yanjiang Road, Guangzhou 510120, China.
Cancers
|December 9, 2023
概括
深度学习 (DL) 方法在医学成像中显示出肝细胞癌 (HCC) 检测的高诊断准确性. 这一系统性审查发现,在HCC诊断中,DL模型的综合灵敏度为89%,特异性为90%.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肝细胞癌研究 肝细胞癌研究
背景情况:
- 肝细胞癌 (HCC) 的诊断严重依赖于医学成像.
- 深度学习 (DL) 方法在HCC检测中的诊断性能需要系统的评估.
研究的目的:
- 系统地审查和元分析使用医学图像的肝细胞癌 (HCC) 深度学习 (DL) 方法的诊断性能.
主要方法:
- 在Embase,IEEE,PubMed,Web of Science和Cochrane图书馆进行了全面的文献搜索,截至2023年7月3日.
- 包括研究开发或使用DL方法用于医疗图像HCC诊断.
- 对诊断准确度 (灵敏度,特异性,AUC) 的数据被提取用于元分析.
主要成果:
- 在分析中包括了30项涉及DL用于HCC诊断的研究.
- 综合诊断性能:灵敏度为89% (95% CI:87-91),特异性为90% (95% CI:87-92),AUC为0.95 (95% CI:0.93-0.97). 诊断效果可以通过测试结果进行分析.
- 根据成像方式和对比度增强进行的子组分析证实了可接受的DL性能,尽管注意到了出版偏差和异质性.
结论:
- 深度学习模型在医学成像中对HCC检测显示出有前途的诊断性能.
- 由于研究异质性和出版偏差,可能会高估DL诊断准确度.
- 未来的研究应该采用医疗成像中DL的严格报告标准,以提高可靠性.
