基于时空刺激模块的CNN用于诊断四相CT图像中的肝癌

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:

• 肝癌是全球癌症死亡的主要原因之一.
• 准确诊断肝脏恶性瘤对于有效的治疗计划至关重要.
• 区分肝细胞癌 (HCC) 和肝内胆管癌 (ICC) 在临床上具有意义.

研究的目的:

• 开发和评估用于识别肝脏恶性瘤的深度学习模型,特别是区分HCC与ICC.
• 利用四相计算机断层扫描 (CT) 图像来提高诊断准确度.

主要方法:

• 提出了一个卷积神经网络 (CNN),包含一个时空刺激 (STE) 模块.
• 使用通道扩展方法增强CT图像.
• 该STE模块包括空间激发 (SE) 和时间相互作用 (TI) 组件,以分析特征级的时间差异和切片间信息.

主要成果:

• 该模型在分类HCC和ICC时平均准确率为85.00%,平均AUC为88.91%.
• 对398名患者的四相CT图像进行了实验,并进行了5次交叉验证.

结论:

• 拟议的深度学习模型在从四相CT图像中识别HCC和ICC方面表现强.
• 这种人工智能驱动的方法可以帮助医生提高肝癌亚型的诊断性能.