通过合成淋巴结转移增强数据来提高灵敏度,以对PSMA PET-CT图像进行基于AI的分析

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 前列腺癌的诊断依赖于检测淋巴结转移.
• 前列腺特异性膜抗原 (PSMA) 定子发射断层扫描-计算机断层扫描 (PET-CT) 对于成像至关重要.
• 精确检测转移对于治疗计划至关重要.

研究的目的:

• 开发和评估一种基于人工智能的方法,用于检测PSMA PET-CT图像中的淋巴结转移.
• 评估使用合成淋巴结转移的数据增强对AI模型性能的影响.

主要方法:

• 一个完全自动化的AI模型是使用一个训练集与合成淋巴结转移扩展开发的.
• 数据增强涉及将合成转移添加到原始图像中,从而增加数据集大小.
• 人工智能模型的性能与人类读者和之前的AI模型进行了比较.

主要成果:

• 新的人工智能模型在检测淋巴结转移方面达到84%的平均灵敏度,超过了人类的读数 (78%) 和之前的AI模型 (79%).
• 人工智能模型显示,假阴性病变的数量较少.
• 新的人工智能模型的假阳性病变数量略高 (3.3个患者),相比于人类读数和以前的人工智能模型 (2.8个患者).

结论:

• 合成数据增强显著提高了AI模型在[18F]PSMA-1007 PET-CT图像中检测淋巴结转移的灵敏度.
• 虽然灵敏度增加了,但人工智能模型的假阳性结果略有增加.
• 这些发现表明,合成数据增强是提高前列腺癌医疗图像分析中的AI性能的一个有希望的策略.