相关实验视频

Updated: Jun 17, 2025

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

在乳腺癌患者中,通过基于超声波和磁共振成像图像的多模式深度学习,预先预测腹淋巴结转移

Xiaofeng Tang¹, Haoyan Zhang², Rushuang Mao¹

¹Department of Ultrasound, Sun Yat-sen University Cancer Center, State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Guangzhou, Guangdong, China.

Academic radiology

|August 6, 2024

概括

结合超声波和MRI图像的新型多式深度学习模型准确地预测了乳腺癌患者的带淋巴结转移. 这种人工智能方法提高了对非侵入性分期的诊断准确性.

科学领域:

在瘤学瘤学.
放射学放射学是一门学科.
人工智能的人工智能

背景情况:

轴心淋巴结 (ALN) 转移是乳腺癌的关键预后因素.
多模式图像分析为预测ALN转移提供了非侵入性和补充性的见解.

研究的目的:

开发和验证一种多模式深度学习模型,用于预测乳腺癌患者的ALN转移.
整合超声波 (US) 和磁共振成像 (MRI) 数据,以提高预测准确度.

主要方法:

分析了来自两个医院的588名乳腺癌患者的回顾性队列.
卷积神经网络被用来分析US和MRI图像.
构建了一个多模深度学习模型 (DL_MRI+US+临床参数),并与单模和临床模型进行比较.

主要成果:

DL_MRI+US+临床参数模型实现了0.819 (内部) 和0.809 (外部验证) 的最高AUC.
该模型与仅用于美国,仅用于MRI,联合双模和临床参数模型相比,显示出优异的预测性能.
决策曲线分析证实了拟议的多模式模型的临床实用性.

结论:

综合US,MRI和临床参数的多式深度学习模型对于预测乳腺癌中ALN转移是可行的和可靠的.
这种人工智能驱动的方法显示了改善非侵入性分期和治疗规划的巨大潜力.

关键词:

乳腺癌是什么? 乳腺癌是什么深度学习是一种深度学习.淋巴结转移是淋巴结的转移.磁共振成像技术磁共振成像技术多式联络是多式联络.超声波超声波是指超声波的使用.

更多相关视频

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

Integrating Augmented Reality Tools in Breast Cancer Related Lymphedema Prognostication and Diagnosis

Integrating Augmented Reality Tools in Breast Cancer Related Lymphedema Prognostication and Diagnosis

Published on: February 6, 2020

相关概念视频