通过DualSwinThyroid对PTC宫淋巴结转移的多模式超声波多阶段分类
Qiong Liu1,2, Yue Li3, Yanhong Hao1
1Department of Ultrasound, First Hospital of Shanxi Medical University, Taiyuan, China.
Frontiers in oncology
|March 4, 2024
概括
这项研究介绍了DualSwinThyroid,这是一种深度学习模型,可以使用多模式超声波准确预测状甲状腺癌 (PTC) 中的宫淋巴结转移. 该模型有助于选择PTC患者的手术策略.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 乳头甲状腺癌 (PTC) 管理需要准确预测宫淋巴结转移.
- 目前的预测方法可能缺乏为最佳外科计划所需的精度.
研究的目的:
- 开发和验证一种新的深度学习模型,DualSwinThyroid,用于预测PTC中的宫淋巴结转移.
- 利用多模超声波成像和临床数据来提高预测准确度.
主要方法:
- 这是一项追溯性研究,涉及299名PTC患者和3652个多模超声波图像.
- 开发DualSwinThyroid深度学习模型,整合超声波模式和临床数据.
- 性能评估与现有的机器学习和深度学习模型在单独的测试集.
主要成果:
- 在测试组中,DualSwinThyroid的AUC达到0.924和96.3%的准确性.
- 该模型有效地从超声波图像中识别了淋巴结转移的迹象.
- 开发了一个三层分类系统,与特定的手术策略相关联.
结论:
- 双SwinThyroid准确地估计了PTC患者的宫淋巴结转移,使用多模式超声波放射学.
- 该模型有助于早期准确识别高风险群体,改善PTC管理的手术方法选择.
