以人工智能为基础,通过多相多检测器计算机断层扫描对瘤的不同组织学亚型进行非侵入性分化
Mary R Myers1, Chakradhar Ravipati2, Vinoth Thangam1
1Radiodiagnosis, ACS Medical College and Hospital, Chennai, IND.
Cureus
|May 13, 2024
概括
深度学习使用CT扫描精确区分细胞癌 (RCC) 亚型,帮助进行非侵入性瘤诊断. 这种人工智能方法提高了识别脏瘤的准确性,并增强了瘤学的临床决策.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 细胞癌 (RCC) 病例的增加需要精确的瘤亚型识别.
- 小的,异质的病变往往被传统的组织病理学遗漏.
- 准确的区分对于有效的脏瘤管理至关重要.
研究的目的:
- 为了证明深度学习的非侵入性使用,用于瘤的体病理差异化.
- 开发一种人工智能工具,使用CT成像对RCC亚型进行分类.
- 为了提高脏瘤病的诊断准确度.
主要方法:
- 一项前性纵向研究,涉及50名怀疑患有瘤的受试者.
- 开发一个深度神经网络 (DNN) 来预测RCC亚型.
- 使用四相多探测器计算机断层扫描 (MDCT) 扫描数据,包括霍恩斯菲尔德单位 (HU).
主要成果:
- DNN准确地区分了瘤亚型 (清细胞,乳头细胞,染色恐惧症,细胞瘤) 以68%的信心.
- 人工智能驱动的诊断与组织病理学检查保持一致.
- 该网络在20,000个样本的大型合成数据集上展示了高准确度.
结论:
- 成功开发了一种基于人工智能的技术,用于RCC亚型分类.
- 这种非侵入性方法有可能彻底改变瘤诊断.
- 这种方法提供了准确的,及时的信息,以支持临床决策.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.4K
09:49Dual-phase Cone-beam Computed Tomography to See, Reach, and Treat Hepatocellular Carcinoma during Drug-eluting Beads Transarterial Chemo-embolization
Published on: December 2, 2013
10.3K
