肺腺癌亚型的深度学习特征的重复性和可重复性,其结核大小小小于10毫米:多中心薄片计算机断层扫描幻影和临床验证研究
Yi Zhan1, Renxiang Dai2, Fangyun Li3
1Department of Radiology, Shanghai Public Health Clinical Center, Fudan University, Shanghai, China.
Quantitative imaging in medicine and surgery
|August 15, 2024
概括
这项研究表明,虽然扫描器变化会影响深度学习特征 (DLF),但稳定的DLF可以提高小肺腺癌地面玻璃结节的诊断准确度. 查稳定的DLF是多中心研究和临床应用的关键.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 深度学习功能 (DLFs) 在与放射学功能 (RFs) 融合时,有望提高诊断能力.
- 跨中心DLFs的有限重复性和可重复性对临床验证构成了挑战.
- 这项研究解决了评估肺腺癌亚型DLF重复性和可重复性的需要.
研究的目的:
- 评估从放射学获得的DLF的可重复性和可重复性.
- 评估DLFs在区分肺腺癌亚型 (<10毫米,GGNs) 的效率.
- 确定稳定的DLF,以提高诊断效率.
主要方法:
- 胸部幻影扫描与不同的薄切片计算机断层扫描 (TSCT) 参数评估了DLF强度 (CCC,ICC).
- 深度学习可视化了DLFs.
- 临床验证涉及3家医院的275名患者 (405个结节).
主要成果:
- 切片厚度,间隔和重建内核显著影响了DLF强度 (ICC 0.79-0.82).
- 主要在结节区域周围可视化的DLF.
- 28个强大的DLF的子集在外部验证中实现了最高的AUC (0.65).
结论:
- 尽管制造商和扫描的差异不同,但稳定的DLF提高了肺腺癌亚型的诊断效率.
- 查稳定的DLF是多中心DLF研究的关键第一步.
- 促进稳定DLF的应用可以提高临床诊断性能.
