一个基于活检针管组织的跨直肠超声波图像的人工智能模型,以区分前列腺癌
Shiyu Li1, Xiuqin Ye2, Hongtian Tian2
1Department of Ultrasound, The Second Clinical Medical College of Jinan University, China.
Postgraduate medical journal
|December 24, 2023
概括
一个使用特征金字塔网络 (FPN) 在跨直肠超声波 (TRUS) 图像上的人工智能 (AI) 模型显示出前列腺癌 (PCa) 检测的前景. 这种人工智能模型在从活检针管组织中诊断PCa方面明显优于高级放射科医生.
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:
- 前列腺癌 (PCa) 诊断依赖于成像和活检.
- 跨直肠超声波 (TRUS) 是一个关键的成像方式.
- 提高PCa的诊断准确度至关重要.
研究的目的:
- 开发一种使用TRUS图像对活检针管 (BNT) 组织进行PCa预测的AI模型.
- 将AI模型的诊断性能与放射科医生和临床模型进行比较.
主要方法:
- 使用ResNet50网络对142名患者的1696张TRUS图像进行AI模型训练.
- 模型使用原始图像,BNT组织或组合图像 (FPN模型) 进行训练.
- 人工智能模型的性能与高级放射科医生和使用独立测试集的临床模型进行了评估.
主要成果:
- FPN模型实现了0.934的曲线下面积 (AUC),超过了整体和针式模型 (P <0.05).
- FPN模型的AUC (0.934) 显著优于高级放射科医生 (0.667).
- FPN模型显示了更高的PCa检测 (82.9%与55.8%相比),提高了整体准确性 (0.887与0.655),并减少了假阳性.
结论:
- 拟议的FPN模型为前列腺组织分类提供了一种新的方法.
- 这种AI模型显著提高了PCa的诊断性能.
- FPN模型可以作为指导前列腺活检的宝贵工具.
