基于手术前CT图像的深度学习来对胸腺瘤病理亚型的风险分层进行分层
Wei Liu1, Wei Wang2, Ruihua Guo3
1School of Health Management, China Medical University, Shenyang, Liaoning, China. wliu@cmu.edu.cn.
BMC cancer
|May 28, 2024
概括
一个新的深度学习模型使用CT扫描准确预测胸腺瘤风险,优于现有方法. 这种工具有助于为胸腺瘤患者的临床预后和治疗决策.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 胸部外科手术 胸部外科手术
背景情况:
- 目前的胸腺瘤风险分层方法通常依赖于手动细分和二维特征,限制了效率和准确性.
- 放射学和2D深度学习模型已经显示出希望,但在全面的胸腺瘤分析方面存在局限性.
研究的目的:
- 开发和验证一种创新的深度学习模型,用于使用手术前CT图像进行胸腺瘤风险分层.
- 为了自动化瘤细分和风险评估,改进现有的二维和放射性方法.
主要方法:
- 为3D瘤细分和风险分层开发了一种两级深度模型.
- 该模型经过训练,并在147名胸腺瘤患者的CT图像上进行了测试.
- 性能与使用AUC,子系数和精度的放射学和2D深度学习模型进行了比较.
主要成果:
- 3D深度模型实现了优异的风险分层性能,AUC为0.998 (训练) 和0.893 (测试).
- 与放射性 (16.1点增加) 和2D深度模型 (17.5点增加) 相比,深度模型显示了AUC的显著改善.
- 该模型同时在动脉相 CT 图像上进行病变识别,细分和风险差异化.
结论:
- 开发的深度模型为胸腺瘤风险分层提供了一个强大的,自动化的工具.
- 这种创新方法可以帮助临床决策制定预后和治疗计划.
- 该模型集成细分和分层的能力提高了它对胸腺瘤亚型的临床适用性.
