相关实验视频
Updated: Jun 12, 2026
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.5K
基于多参数MRI,使用深度学习的临床和病理因素进行前列腺癌诊断
Haniye Sherafatmandjoo1,2, Ali A Safaei3,4, Foad Ghaderi1,5
1Department of Data Science, Faculty of Interdisciplinary Science and Technology, Tarbiat Modares University, Tehran, Iran.
Scientific reports
|June 28, 2024
概括
这项研究提高了使用MRI扫描的深度学习进行前列腺癌诊断. 将成像与临床和病理数据相结合,可显著提高诊断准确度,从88%提高到96%.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 由于微妙的早期症状和MRI解释的观察者间变异性,前列腺癌的诊断具有挑战性.
- 深度学习,特别是卷积神经网络 (CNN),在医学图像分析方面显示出前景.
研究的目的:
- 研究临床和病理学数据与多参数MRI的协同效应,以改善前列腺癌诊断.
- 开发和评估用于准确检测前列腺癌的深度学习模型.
主要方法:
- 设计了一个深度学习模型,使用四个独立的ResNet50CNN来分析不同的MRI序列.
- 从CNN中提取的特征被整合到一个完全连接的网络中,并与临床和病理数据相结合.
- 在343名患者的数据集上使用了数据增强和转移学习技术.
主要成果:
- 深度学习模型仅使用MRI数据实现了最大88%的准确性.
- 将临床和病理数据纳入模型将诊断准确度提高到96%.
结论:
- 临床和病理学数据显著提高了基于MRI的深度学习前列腺癌诊断的准确性.
- 开发的模型展示了整合多式联运数据以更精确地检测癌症的潜力.
更多相关视频
05:49Use of Magnetic Resonance Imaging and Biopsy Data to Guide Sampling Procedures for Prostate Cancer Biobanking
Published on: October 10, 2019
6.6K
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
152
