一个可访问的深度学习工具,用于从 perfusion MRI 来对脑恶性瘤进行 voxel 智能分类
Alonso Garcia-Ruiz1, Albert Pons-Escoda2, Francesco Grussu1
1Radiomics Group, Vall d'Hebron Institute of Oncology (VHIO), 08035 Barcelona, Spain.
Cell reports. Medicine
|March 12, 2024
概括
深度学习的动态敏感度对比力MRI图像有助于脑瘤的诊断. 这种人工智能工具DISCERN为质母细胞瘤,转移和淋巴瘤提供临床级准确性,改进了传统的MRI指标.
科学领域:
- 神经瘤学神经瘤学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 非侵入性脑瘤诊断依赖于MRI和DSC,但最终诊断通常需要侵入性手术.
- 准确的差异诊断对于有效的治疗计划和患者的治疗结果至关重要.
研究的目的:
- 开发和验证一种深度学习工具,用于使用DSC-MRI进行原发性脑瘤的非侵入性差分诊断.
- 将深度学习工具的诊断性能与传统的MRI指标进行比较.
主要方法:
- 在40名经组织学确认的质母细胞瘤,转移和淋巴瘤患者的DSC-MRI数据上训练了一个卷积神经网络.
- 该模型生成了用于差异诊断的内概率图.
- 对400个内部案例和128个外部验证案例进行了绩效评估.
主要成果:
- 深度学习工具实现了0.78.8的三向精度.
- 这种表现超过了传统的MRI指标:脑血液体积 (0.55) 和信号恢复率的百分比 (0.59).
- 该软件,DISCERN,证明了作为诊断支持工具的高价值.
结论:
- 应用到DSC-MRI的深度学习可以为常见的大脑瘤提供临床级别的非侵入性差异诊断.
- DISCERN提供了一种有价值,易于使用的工具,以支持神经瘤学中的医疗决策.
- 这些发现表明,侵入性诊断程序的需求可能会减少.
