相关实验视频
Updated: Jun 20, 2026

Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
对先前开发的基于深度学习的前列腺损伤检测算法在配对的外部和内部双参数MRI扫描上进行外部验证
Enis C Yilmaz1, Stephanie A Harmon1, Yan Mee Law1
1From the Molecular Imaging Branch (E.C.Y., S.A.H., M.J.B., Y.L., D.G.G., K.B.O., N.S.L., P.E., P.L.C., B.T.), Biometric Research Program, Division of Cancer Treatment and Diagnosis (E.P.H.), Center for Interventional Oncology (L.A.H., C.G., B.J.W.), Department of Radiology, Clinical Center (L.A.H., C.G., B.J.W.), Laboratory of Pathology (A.T., M.J.M.), and Urologic Oncology Branch (S.G., P.A.P.), National Cancer Institute, National Institutes of Health, 10 Center Dr, MSC 1182, Bldg 10, Rm B3B85, Bethesda, MD 20892; Department of Radiology, Singapore General Hospital, Singapore (Y.M.L.); and NVIDIA Corporation, Santa Clara, Calif (D.Y., Z.X., J.T., D.X.).
一个人工智能 (AI) 模型在外部双参数核磁共振扫描 (bpMRI) 上检测前列腺癌病变方面表现适度,在内部扫描上检测能力得到改善. 关键词:人工智能,前列腺癌,bpMRI.
科学领域:
- 放射学和成像科学 放射学和成像科学
- 人工智能在医学中的应用
- 尿道瘤学 尿道瘤学
背景情况:
- 双参数MRI (bpMRI) 越来越多地用于前列腺癌检测.
- 人工智能 (AI) 模型显示了提高放射学诊断精度的潜力.
- 在不同的成像数据集中评估AI性能对于临床实施至关重要.
研究的目的:
- 评估AI模型在外部和内部bpMRI扫描上检测前列腺癌病变的能力.
- 为了比较AI模型在两个不同的bpMRI数据集之间的检测性能.
- 确定影响人工智能检测整体和临床显著前列腺癌 (csPCa) 的因素.
主要方法:
- 对201名患者进行了对联的外部和内部bpMRI扫描的回顾性分析.
- 已建立的基于bpMRI的AI病变检测模型被应用于两个数据集.
- 检测率使用排列测试进行了比较; 影响因素用混合效应模型进行了分析.
主要成果:
- 人工智能模型在内部bpMRI (56.0%) 检测到的病变明显多于外部bpMRI (39.7%) (P < .001).
- 在内部扫描 (79%) 与外部扫描 (61%) (P < .001) 中,检测临床意义上的前列腺癌 (csPCa) 阳性病变也更高.
- 在外部扫描上,更高的PI-RADS得分,更大的病变直径,更好的图像质量和更少的病变改善了AI检测.
结论:
- 人工智能模型在外部bpmri上检测前列腺癌病变方面表现不佳.
- 在内部的bpMRI扫描中,性能明显更好,这表明数据集的可变性影响了AI的有效性.
- 诸如PI-RADS评分和病变特征等因素影响前列腺MRI中的AI检测精度.

