相关实验视频
Updated: May 23, 2026
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.5K
深度学习前列腺MRI细分精度和稳定性:系统性审查
Mohammad-Kasim Fassia1, Adithya Balasubramanian1, Sungmin Woo1
1From the Departments of Radiology (M.K.F.) and Urology (A.B.), New York-Presbyterian Weill Cornell Medical Center, 525 E 68th St, New York, NY 10065-4870; Department of Radiology, Memorial Sloan Kettering Cancer Center, New York, NY (S.W., H.A.V., H.H., A.S.B.); and Department of Biomedical Imaging, ETH-Zurich, Zurich Switzerland (E.K.).
Radiology. Artificial intelligence
|April 3, 2024
概括
深度学习算法可以达到与专家放射科医生相似的精度,用于前列腺MRI细分. 未来的研究应该集中在临床环境中的强度和患者结果上.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 前列腺癌的诊断严重依赖磁共振成像 (MRI) 进行准确的细分.
- 深度学习 (DL) 显示了前列腺MRI细分自动化的前景,但其准确性相对于专家放射科医生需要系统的评估.
- 了解不同数据集和供应商的DL算法的稳定性对于临床采用至关重要.
研究的目的:
- 系统地审查和比较前列腺MRI细分的深度学习算法的准确性和稳定性与受过奖学金培训的诊断放射科医生.
- 分析各种因素 (包括训练数据大小,MRI供应商,前列腺区域和测试方法) 对DL细分性能的影响.
主要方法:
- 对Embase,PubMed,Scopus和Web of Science数据库进行了系统审查,对截至2022年7月31日的英语文章进行了系统审查.
- 根据预定义的纳入/排除标准,选择了48项相关研究,提取了DL算法性能和研究特征的数据.
- 测量的主要结果是子相似系数 (DSC),将DL细分与诊断放射科医生的细分进行比较.
主要成果:
- 大多数DL算法 (93%) 实现了专家级全前列腺细分 (DSC ≥0.86).
- 周边区域的平均DSC为0.79±0.06,过渡区为0.87±0.05,整个前列腺为0.90±0.04.
- 主要MRI供应商 (GE,飞利浦,西门子) 的性能一致,平均DSC从0.91到0.92.9不等.
结论:
- 深度学习算法显示前列腺MRI细分的准确性与受过奖学金培训的诊断放射科医生相似.
- 在各种训练数据大小,MRI供应商和前列腺区域中,DL算法的性能强大.
- 未来的研究应该优先评估DL细分的稳定性及其对现实世界临床环境中的患者结果的影响.
