肝脏病变的恶性病症诊断用对比增强超声波,使用基于深度学习的端到端方法
Hongyu Zhou1,2,3,4, Jianmin Ding1,2,3,4, Yan Zhou1,2,3,4
1The Third Central Hospital of Tianjin, 83 Jintang Road, Hedong District, Tianjin, 300170, China.
BMC medical imaging
|March 22, 2024
概括
使用对比增强超声波 (CEUS) 的深度学习模型准确诊断恶性肝病变. 这种人工智能方法有助于解释CEUS图像,克服了诊断任务的体验依赖性.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在诊断中的应用
- 肝病学 肝病学是一种肝病学.
背景情况:
- 对比增强超声波 (CEUS) 对于实时肝损伤特征至关重要,提供动态 perfusion 数据.
- 准确的CEUS解释需要大量的专业知识和培训,这对一致的诊断构成了挑战.
- 开发自动化方法可以提高肝损伤评估的诊断准确性和可访问性.
研究的目的:
- 开发一个端到端的深度学习方法来诊断使用CEUS的肝病变恶性瘤.
- 与现有方法对比,评估拟议的深度学习模型的性能.
- 为了减少依赖主观解释在基于CEUS的肝损伤诊断.
主要方法:
- 分析了420个焦点肝病变 (136个良性,284个恶性) 的数据集.
- 开发了一个结合二维卷积神经网络 (CNN) 和长短期记忆 (LSTM) 的深度学习模型.
- 该CNN-LSTM模型分析了CEUS图像循环跨不同的对比相,与3D-CNN和基于机器学习的时间强度曲线 (TIC) 方法相比,性能较好.
主要成果:
- 拟议的CNN-LSTM方法实现了曲线下的平均面积 (AUC) 为0.91.
- 基于3D-CNN的方法和基于ML的TIC方法实现了平均AUC分别为0.88和0.78.
- 与其他方法相比,CNN-LSTM模型在恶性瘤诊断方面表现优越.
结论:
- 开发的CNN-LSTM方法在诊断来自CEUS的肝病变恶性病变方面显示出显著的希望.
- 这种人工智能驱动的方法可能会提高诊断准确度,而不需要手动选择功能.
- 这些发现表明,这是一种有价值的工具,可以提高对肝损伤CEUS的解释.
