乌罗安吉尔 (UroAngel):基于使用深度学习的计算机断层扫描尿路图的单个功能预测系统
Qingyuan Zheng1,2, Xinmiao Ni1,2, Rui Yang1,2
1Department of Urology, Renmin Hospital of Wuhan University, 99 Zhang Zhi-Dong Road, Wuhan, 430060, Hubei, People's Republic of China.
World journal of urology
|April 16, 2024
概括
一个新的深度学习系统UroAngel准确地预测了CT泌尿图像的阻塞性病患者的单个功能. 这种非侵入性方法为评估功能和指导治疗提供了可靠的替代方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 腎臟病學 (nephrology) 是一種醫學專業.
背景情况:
- 精确估计膜过率 (GFR) 对于管理阻塞性病 (ON) 至关重要.
- 目前在ON中评估单个功能的方法可能是侵入性的或缺乏精度.
- 需要使用非侵入性和方便的工具来预测ON患者的功能.
研究的目的:
- 开发和验证UroAngel,这是一个深度学习系统,用于在ON患者中非侵入性预测单个功能.
- 评估UroAngel的准确性与既定方程和专家放射科医生相比.
主要方法:
- 从520名ON患者的计算机断层扫描尿路图像 (CTU) 和报告的回顾性收集.
- 利用3D U-Net模型进行膜细分.
- 采用后勤回归模型来预测功能水平,与MDRD,CKD-EPI方程以及专家放射科医生进行验证.
主要成果:
- 3D U-Net 模型实现了精确的皮层细分 (迪斯相似系数:0.861).
- 乌罗安吉尔在预测功能阶段方面表现出很高的表现,准确度为0.918.
- 乌罗安吉尔在预测准确度方面表现优于MDRD,CKD-EPI方程和两名专家放射科医生.
结论:
- 一个基于U-Net的3D自动化系统 (UroAngel) 可以从CTU图像直接预测单个功能阶段.
- 乌罗安吉尔提供了一个准确,可靠,方便和非侵入性的方法来评估ON患者的功能.
- 这种深度学习方法代表了阻塞性病管理的新进展.
