生成对抗网络在增强脑瘤中的潜在作用
Amr Muhammed1, Rafaat A Bakheet1, Karam Kenawy2
1Clinical Oncology Department, Sohag University Hospital, Sohag, Egypt.
JCO clinical cancer informatics
|July 19, 2024
概括
这项研究探讨了使用人工智能 (AI) 用轻量级的生成对抗神经网络为脑瘤创造对比度增强. 人工智能模型显示了人工对比度增强的潜力,尽管临床使用需要进一步的研究.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 神经瘤学神经瘤学
背景情况:
- 对比度增强对于脑瘤诊断和治疗计划至关重要.
- 目前的方法可能是侵入性的或耗时的.
- 开发人工智能驱动的解决方案为医疗成像增强提供了一种新的方法.
研究的目的:
- 研究生成对抗神经网络 (GAN) 在为脑瘤创造人工对比增强的有效性.
- 评估一种轻量级的人工智能模型,用于产生瘤对比度增强.
- 评估AI在简化和改进脑瘤可视化方面的潜力.
主要方法:
- 来自129名脑瘤患者的156个MRI扫描的回顾性分析 (2020-2023年).
- 开发和训练GAN以模仿真正的对比度增强.
- 使用VGG-16,ResNet和图像相似度指标 (MAE,MSE,SSIM) 的定量评估.
- 通过对23名医疗专业人员的满意度调查进行质量评估.
主要成果:
- 在GAN模型中,VGG损失值为2,049.8 (培训),2,632.6 (验证) 和4,276.9 (测试).
- 结构相似性指数测量 (SSIM) 的得分为0.366 (培训),0.356 (验证) 和0.3192 (测试).
- 医疗专业人员报告,人工智能产生的改进的总体满意度中位数为7/10.
结论:
- 轻量级的生成对抗神经网络显示出在医学成像中人工对比增强的前景.
- 开发的AI模型可以为更容易获得的AI驱动的成像解决方案铺平道路.
- 需要进一步的研究才能实现临床适用性和广泛采用.
