自动诊断人工智能系统用于子宫肉瘤的术前磁共振成像

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 磁共振成像 (MRI) 对于诊断子宫肉瘤至关重要.
• 手动分析MRI数据耗时且容易出现错误.
• 目前对子宫肉瘤的MRI诊断能力存在局限性.

研究的目的:

• 开发一种人工智能 (AI) 系统,用于自动化子宫肉瘤诊断.
• 克服手动数据处理和MRI分析中的高计算资源要求的局限性.
• 为了提高手术前子宫肉瘤诊断的准确性和效率.

主要方法:

• 开发了一个带有瘤图像过器和肉瘤评估器的AI系统.
• 使用深度神经网络 (DNN) 模型,在15个MRI序列和8个交叉验证组中进行训练.
• 使用9个DNN模型实现了集体预测,并使用10个过器/评估器集评估了准确性.
• 验证了该系统,命名为AutoDiag-AI,在8种肉瘤和24种瘤的新数据集上进行验证.

主要成果:

• 瘤图像过器达到92.68%的准确率,而肉瘤评估器达到90.50%的准确率.
• 自动诊断AI在原始数据集上显示了89.32%的准确性 (90.47%的灵敏度,88.95%的特异性).
• 在新的验证数据集上,AutoDiag-AI获得了92.44%的准确性 (92.25%的灵敏度,92.50%的特异性).

结论:

• 人工智能系统通过MRI自动提取瘤部位和诊断子宫肉瘤,而无需人类干预.
• 该系统的诊断准确性与经验丰富的放射科医生相美.
• 进一步验证可能会导致对子宫肉瘤和其他疾病的临床应用.