通过人工智能实现威尔姆斯瘤细分的自动化
Olivier Hild1, Pierre Berriet2, Jérémie Nallet1
1Department of Pediatric Surgery, CHU Besançon, 3 boulevard Fleming, Besançon, F-25000, France.
概括
使用人工智能自动化儿科威尔姆斯瘤和脏细分,大大减少了专家的时间. 一种创新的培训方法实现了专家级准确度,减少了80%的干预时间.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 儿科瘤学 儿科瘤学
背景情况:
- 手动细分威尔姆斯瘤和脏进行3D重建是耗时的.
- 需要自动化细分工具来提高儿科瘤成像的效率.
研究的目的:
- 开发一种人工智能工具,用于自动细分儿科威尔姆斯瘤和脏.
- 为了评估新的CNN U-Net培训方法 (OV2ASSION) 对此任务的性能.
主要方法:
- 由两位专家进行的14个CT扫描的手动细分.
- 使用标准的CNN U-Net和经过OV2ASSION训练的CNN U-Net进行自动化细分.
- 子指数对瘤和脏细分精度的比较.
- 基于手动分割段数量的时间节约估计.
主要成果:
- 手动细分显示了高的专家间一致性 (瘤的迪斯指数为0.95,脏的0.87).
- 完全自动化的CNN U-Net产生了低于最佳的结果 (瘤的迪斯指数为0.69,脏为0.27).
- OV2ASSION方法实现了专家级别的Dice指数 (例如,瘤为0.97,脏为0.94,手动输入最小).
结论:
- 儿童威尔姆斯瘤和脏的全自动细分仍然是一个挑战.
- 为CNN U-Net开发的OV2ASSION培训方法可以实现专家级准确性.
- 这种创新方法可以将专家干预时间减少80%,同时保持高细分精度.
