使用MRI进行直肠癌术前T期评估的深度学习模型:探索直肠填充的影响
Chang Tian1, Xiaolu Ma2, Haidi Lu2
1School of Information Science and Technology and School of Biomedical Engineering, ShanghaiTech University, Shanghai, China.
Frontiers in medicine
|December 18, 2023
概括
深度学习模型准确地细分直肠癌 (RC),并使用MRI对T阶段进行分类. 结直肠填充改善了细分和分类性能,优于主观评估,用于增强临床诊断.
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:
- 结直肠癌 (RC) 的诊断和分期对于治疗计划至关重要.
- 精确的细分和RC病变的T阶段分类至关重要.
- 深度学习 (DL) 模型为提高诊断准确性提供了潜力.
研究的目的:
- 开发一个卷积神经网络 (CNN) 来自动细分RC病变.
- 创建分类模型来区分RC T-阶段.
- 为了研究直肠填充对DL模型性能对RC评估的影响.
主要方法:
- 对317名RC患者的MRI扫描进行了回顾性分析.
- 在T2加权成像 (T2WI) 上使用nn-UNet开发自动细分模型.
- 构建和比较三个DL分类模型:整体,直肠填充和非填充数据集,使用ROC分析,混矩阵,NRI和DCA进行评估.
主要成果:
- 自动细分模型表现出卓越的性能.
- 与非填充相比,直肠填充数据集显示出优异的细分结果 (DSC,ASD).
- 在T阶段预测中,DL模型显著优于主观评估,模型1在填充数据集上达到0.958的AUC.
结论:
- 基于DL的自动细分和分类模型对于T2WI的手术前RCT阶段评估是有效的.
- 直肠填充数据集显著提高了这些DL模型的性能.
- 这些模型显示了改善直肠癌临床诊断和治疗策略的巨大潜力.
