在使用EfficientNet和投票系统算法的DenoisedCT扫描中精确识别局部先进的直肠癌
Chun-Yu Lin1,2,3, Jacky Chung-Hao Wu4, Yen-Ming Kuan5
1Institute of Clinical Medicine, National Yang Ming Chiao Tung University, Taipei 11221, Taiwan.
Bioengineering (Basel, Switzerland)
|April 27, 2024
概括
人工智能 (AI) 在CT扫描上准确检测局部晚期直肠癌 (LARC),识别积极的边缘并预测更高的复发率. 这种人工智能方法为LARC诊断提供了比传统成像更快,更可靠的替代方案.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 局部晚期直肠癌 (LARC) 存在治疗挑战和高复发率.
- 准确的早期检测对于有效的LARC治疗计划至关重要.
- 磁共振成像 (MRI) 是有效的,但资源密集的LARC检测.
研究的目的:
- 探索使用人工智能 (AI) 来解释计算机断层扫描 (CT) 扫描作为LARC的更快,更容易使用的诊断工具.
- 评估AI模型识别LARC的阳性环切除边缘 (CRM) 的能力.
- 通过分析局部复发和整体生存率来评估AI预测的LARC状态的临床价值.
主要方法:
- 从1070名T3-4直肠癌患者的CT图像进行了回顾性分析.
- 在739个案例中进行AI模型培训,并在两个独立测试集 (134个和197个案例) 中进行验证.
- 使用非局部平均选,动态直方图等级和EfficientNetB0算法,结合硬和软投票系统进行LARC诊断.
主要成果:
- 人工智能模型在识别CRM阳性图像方面取得了很高的准确性 (AUC范围从0.86到0.89).
- 软投票系统改善了基于患者的诊断准确性 (AUC为0.93和0.88).
- 人工智能识别的LARC病例显示出明显更高的5年局部复发率和增加死亡率的趋势,超过了传统评估.
结论:
- 人工智能可以从CT扫描中精确识别CRM阳性LARC病例,表明局部复发和死亡风险增加.
- 这种人工智能驱动的方法提供了一个比传统CT或MRI更快,更可靠的方法来检测LARC.
- 人工智能在改善LARC诊断和预测患者结果方面显示出显著的潜力.
