深度学习用于检测结直肠癌在没有肠道准备的对比增强CT:一个回顾性,多中心研究
Lisha Yao1, Suyun Li2, Quan Tao3
1Department of Radiology, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, Guangzhou, China; School of Medicine, South China University of Technology, Guangzhou, China; Guangdong Provincial Key Laboratory of Artificial Intelligence in Medical Image Analysis and Application, Guangzhou, China.
EBioMedicine
|June 7, 2024
概括
一个新的深度学习 (DL) 模型在对比度增强的CT扫描上准确地检测结直肠癌. 这种人工智能工具还提高了放射科医生的检测准确性,改善了患者的治疗结果.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 增强对比度的CT扫描对于检测结直肠癌至关重要.
- 在没有肠道准备的情况下,CT扫描可能会错过结肠直肠癌.
- 放射科医生的检测性能可以通过人工智能工具来提高.
研究的目的:
- 开发一种深度学习 (DL) 模型,用于准确检测结直肠癌.
- 评估DL模型提高放射科医生的检测性能的能力.
主要方法:
- 使用1196例癌症和1034例正常病例的数据集开发了一个DL模型.
- 该DL模型在内部,外部和现实世界的测试集上得到了验证.
- 在DL模型和放射科医生之间进行了检测性能比较.
主要成果:
- 在所有测试组中,DL模型实现了高精度 (AUC 0.957-0.994).
- 在内部和外部测试套件上,DL模型在精度方面超过了放射科医生.
- DL模型显著提高了放射科医生的检测准确性,并确定了错过的病例.
结论:
- 开发的DL模型准确检测结直肠癌.
- DL模型显示了作为有效的计算机辅助检测工具的潜力.
- 人工智能集成可以提高结直肠癌查的诊断性能.
