对人工智能U-net算法的评估,用于追踪胸部计算机断层扫描图像上的肺结节
Yuhei Takeshita1, Shiro Onozawa1, Shichiro Katase1
1Department of Radiology, Kyorin University School of Medicine, 6-20-2 Shimorenjaku, Mitaka-shi, Tokyo, Japan 181-8611 Japan.
The Journal of international medical research
|February 7, 2024
概括
人工智能 (AI) 证明了在计算机断层扫描 (CT) 后续中自动追踪肺结节的高可行性. 这种人工智能方法可以随着时间的推移准确地跟踪肺结节,有助于患者的监测.
科学领域:
- 医学成像分析分析 医学成像分析
- 放射学中的人工智能
- 肺结节检测 肺结节检测
背景情况:
- 对肺结节的准确跟踪对于患者管理至关重要.
- 手动追踪肺结节可能是耗时和主观的.
- 人工智能的进步为自动化解决方案提供了潜力.
研究的目的:
- 实施图像登记,用于肺结节的后续检查.
- 评估使用人工智能方法自动追踪肺结节的可行性.
- 评估人工智能算法的性能,以预测随时间推移的结节位置.
主要方法:
- 在CT上对患有肺结节 (5-30毫米直径) 的患者进行了回顾性观察研究.
- 人工智能算法利用U-net神经网络在扫描之间预测变形向量场.
- 放射科医生定义的立方体用于评估人工智能驱动的结节跟踪的成功.
主要成果:
- 在368次随访CT检查中分析了49个肺结节.
- 人工智能在时间评估方面取得了94%的成功率,在节点对节点的评估方面达到78%.
- 较小的结节或大小减少的结节的成功率较低.
结论:
- 使用人工智能自动跟踪肺结节是非常可行的.
- 人工智能方法对高效准确的肺结节后续检查有希望.
- 进一步细化可能会改善尺寸变异的结节的跟踪.
