深度学习模型的开发和验证,以减少基于MRI的前列腺癌诊断中直肠人工物的干扰
Lei Hu1, Xiangyu Guo1, Dawei Zhou1
1From the Guangdong Cardiovascular Institute, Guangdong Provincial People's Hospital, Guangdong Academy of Sciences, Guangzhou, China (L.H.); Department of Radiology, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, No. 106 Zhongshan Er Road, Guangzhou 510080, China (L.H., Z.W.S., C.H., C.L., Z.L.); Guangdong Provincial Key Laboratory of Artificial Intelligence in Medical Image Analysis and Application, Guangzhou, China (L.H., Z.W.S., C.H., C.L., Z.L.); Department of TPS Algorithm, Xi'an OUR United Corporation, Xi'an, China (X.G.); State Key Laboratory of Integrated Services Networks, School of Telecommunications Engineering, Xidian University, Xi'an, China (D.Z.); Department of Radiology, Yichang Central People's Hospital Affiliated to the First Clinical Medical College of Three Gorges University, Yichang, China (Z.W., C.Y.); Institute of Diagnostic and Interventional Radiology, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China (L.D., H.L., J.Z., Yuehua Li); and Department of Radiology, Renmin Hospital of Wuhan University, Wuhan, China (L.L., Ying Li, T.Z., Y.Z.).
使用专有对抗样本 (TPAS) 进行有针对性的对抗训练的新型MRI模型通过减少直肠人工物干扰,显著改善了临床上显著的前列腺癌 (csPCa) 诊断. 这种增强的模型显示出更好的性能,特别是在中度到重度文物的情况下.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 磁力共振成像中的直肠器件可能会干扰精确的前列腺癌诊断.
- 开发强大的诊断模型对于改善患者的治疗结果至关重要.
- 现有的模型可能会因为人工制成品而导致图像质量下降.
研究的目的:
- 开发一种基于MRI的模型,用于诊断具有临床意义的前列腺癌 (csPCa) 耐直肠人工物干扰.
- 通过使用新的培训策略,提高自动化csPCa诊断模型的稳定性.
- 将新型模型的性能与在各种工件条件下的标准模型进行比较.
主要方法:
- 对2203名接受双参数MRI和活检的男性患者进行了回顾性研究.
- 使用专有对抗样本 (TPAS) 策略实施有针对性的对抗培训.
- 多中心验证比较TPAS训练和控制模型使用AUC和AUPRC指标.
主要成果:
- TPAS模型在患者水平上提高了6%的诊断性能 (AUC:0.87比0.81) 和在病变水平上提高了7% (AUPRC:0.84比0.77).
- 与对照模型相比,TPAS模型与直肠工件模式噪声的性能下降较少.
- 在中度和重度直肠人工物患者中,TPAS模型的表现优于对照模型.
结论:
- TPAS模型有效地减少了基于MRI的csPCa诊断中的直肠人工物干扰.
- 这种方法提高了临床环境中的诊断准确性和可靠性.
- 该研究强调了对抗性培训在改善医学成像诊断工具方面的潜力.


