相关实验视频
Updated: Jun 28, 2025
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.5K
使用深度学习来优化前列腺MRI协议,通过评估MRI序列的诊断效率来优化前列腺MRI协议
Stefan J Fransen1, Christian Roest1, Quintin Y Van Lohuizen1
1University Medical Centre Groningen, Department of Radiology, Hanzeplein 1, 9713 GZ, Groningen, the Netherlands.
European journal of radiology
|April 19, 2024
概括
通过删除某些扩散权重成像 (DWI) 序列,通过深度学习优化前列腺MRI协议是可能的. 这减少了扫描时间,而不会影响前列腺癌检测的诊断准确性.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 双参数前列腺MRI (bpMRI) 对于前列腺癌的诊断至关重要.
- 扩散权重成像 (DWI) 序列是bpMRI协议的关键组成部分.
- 优化MRI协议可以提高效率和患者吞吐量.
研究的目的:
- 评估不同MRI序列的诊断效果,以检测前列腺癌.
- 探索深度学习在优化前列腺MRI协议中的应用.
- 评估加速MRI协议是否与完整协议相比保持诊断性能.
主要方法:
- 一项对840名接受bpMRI扫描的患者的回顾性研究.
- 通过使用较少的DWIb值,模拟了两个加速MRI协议.
- 训练有素的深度学习模型在加速和完整的协议上检测前列腺癌病变.
- 使用AUROC和pAUFROC指标进行诊断性能比较,经过专家放射科医生的验证.
主要成果:
- 在加速和完整的bpMRI协议之间,诊断性能没有显著差异.
- 省略b800 DWI序列将扫描时间减少53%,对AUROC (+0.01) 和pAUFROC (-0.03) 的影响最小.
- 省略b400 DWI序列将扫描时间减少32%,对AUROC (-0.01) 和pAUFROC (+0.01) 的影响微不足道.
结论:
- 深度学习有效地评估前列腺MRI协议的MRI序列的诊断效果.
- 通过省略b400或b800DWI序列来优化前列腺MRI协议是可行的.
- 减少扫描时间可以在不影响前列腺癌检测的诊断质量的情况下实现.
