临床应用的深度学习系统LNAS:用于在不使用增强型CT图像的情况下对中膜扩大的淋巴结进行细分和站点映射,而不考虑病变发生
Yang Cao1, Jintang Feng1,2, Cheng Wang3
1Department of Radiology, Tianjin Medical University General Hospital, Tianjin, 300052, China.
La Radiologia medica
|December 18, 2023
概括
人工智能 (AI) 显著提高了淋巴结细分的准确性,并在没有增强的胸部CT扫描中减少了阅读时间. 这种人工智能系统在识别淋巴结方面表现出高灵敏度,有助于临床诊断和预后.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 胸部成像 胸部成像
背景情况:
- 精确的淋巴结识别和CT图像上的评估对于疾病诊断,治疗和预后至关重要.
- 目前的方法依赖于放射科医生的解释,这可能是耗时的,并且会有变化.
研究的目的:
- 评估人工智能 (AI) 系统在未增强的胸部CT图像上细分,测量大小和确定淋巴结的位置方面的能力.
- 在现实世界的场景中评估这种AI系统的临床实用性.
主要方法:
- 开发一个端到端的淋巴结分析系统 (LNAS),包括细分和注册模型.
- 在大量无增强型胸部CT扫描数据集上进行培训和验证,包括内部和外部验证队列.
- 根据IASLC指导方针对淋巴结站进行注释,并由专家放射科医生审查.
主要成果:
- 该LNAS系统实现了高患者级敏感性 (93.94%内部,92.89%外部) 和病变级敏感性 (89.48%内部,85.97%外部).
- 与手动翻译相比,人工智能显著减少了平均阅读时间 (p < 0.001).
- 在人机比较中,AI在病变水平和患者水平上表现出更高的灵敏度.
结论:
- 人工智能增强了放射科医生执行的淋巴结细分的灵敏度.
- 开发的AI系统在减少胸部CT分析的阅读时间方面提供了显著的优势.
- 这种人工智能工具有望提高胸部成像的诊断效率和准确性.
