基于超声波的良性和恶性瘤的深度学习辅助诊断:一项回顾性研究
Tian Jiang1,2,3, Chen Chen1,4,5, Yahan Zhou4,5
1Department of Diagnostic Ultrasound Imaging & Interventional Therapy, Zhejiang Cancer Hospital, Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences, 310022, Hangzhou, Zhejiang, China.
BMC cancer
|April 23, 2024
概括
一个深度学习模型使用超声波图像准确地区分良性和恶性瘤. 这种人工智能工具提高了所有经验水平的放射科医生的诊断性能.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 侧腔瘤 (PTs) 需要准确区分良性和恶性类型.
- 超声波成像是PT评估的常见方式.
- 开发人工智能工具可以帮助提高诊断准确度.
研究的目的:
- 开发一种使用超声波图像的深度学习 (DL) 模型,以区分良性和恶性瘤.
- 评估模型的诊断性能和临床实用性.
- 评估模型在帮助临床医生准确的PT诊断方面的能力.
主要方法:
- 追溯分析了来自980名病理确诊的PT的2211张超声波图像.
- 在不同深度开发和评估五个DL网络.
- 使用接收器运行特性 (ROC) 曲线的曲线下面面积 (AUC) 的性能评估.
- 用人工智能模型辅助和没有人工智能模型辅助的放射科医生的性能比较.
主要成果:
- Resnet18 DL模型实现了高诊断性能,其AUC为0.947 (内部) 和0.925 (外部).
- 该模型提高了初级和高级放射科医生的诊断准确度,灵敏度和特异性.
- 使用DL模型的放射科医生显示AUC值显著增加,表明诊断能力提高.
结论:
- 使用超声波图像的深度学习模型在区分良性和恶性瘤方面显示出显著的潜力.
- DL模型作为一种有价值的非侵入性辅助诊断工具,改善了无线科医生在经验水平上的表现.
- 这种人工智能驱动的方法可以增强状腺瘤诊断的临床决策.
