卷积神经网络用于 Pleural mesothelioma 的细分:概率地图值的分析 (CALGB 30901,联盟)

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 精确的瘤划定对于膜间皮瘤 (PM) 治疗计划至关重要.
• 卷积神经网络 (CNN) 在自动瘤细分方面表现有前途.

研究的目的:

• 评估概率图的值如何影响PM的基于CNN的瘤细分.
• 确定平衡瘤体积和空间重叠精度的最佳值.

主要方法:

• VGG16/U-Net CNN对48名PM患者的186个CT扫描进行了细分.
• 将CNN细分与放射科医生修改的轮在概率值 (0.001-0.9) 上进行了比较.
• 评估了瘤体积差异和子相似系数 (DSC) 的重叠.

主要成果:

• 与放射科医生相比,CNN的细分系统始终低估了瘤体积.
• 将值从0.5降低到0.01,使体积差异从42.93%降低到26.60%.
• 峰值DSC (0.57-0.59) 发生在0.2值;没有发现体积差异的最佳值.

结论:

• 在基于CNN的PM细分中,对于瘤体积和DSC来说,没有一个概率值是理想的.
• 同时评估体积和空间重叠对于评估CNN性能至关重要.
• CNNs需要仔细的门选择和验证,特别是对于像肺溢液这样的复杂病例.