开发一种人工智能系统,用于区分恶性和良性软组织瘤,使用对比增强的MRI图像来区分恶性和良性软组织瘤
Toru Hirozane1,2, Masahiro Hashimoto3, Hasnine Haque3,4
1Department of Orthopaedic Surgery, Keio University School of Medicine, Shinjuku, Japan.
Oncology
|October 23, 2024
概括
一个人工智能 (AI) 系统帮助使用MRI扫描来诊断软组织瘤,其准确性与人类专家相美. 这种人工智能工具显著加快了分类过程,提高了诊断效率.
科学领域:
- 整形瘤学 整形瘤学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 使用人工智能软组织瘤诊断是复杂的和未充分利用的.
- 磁共振成像 (MRI) 是软组织瘤评估的一个关键方式.
- 人工智能整合到骨科可以增强诊断能力.
研究的目的:
- 开发和评估基于人工智能的诊断支持系统,用于基于MRI的软组织瘤诊断.
- 为了提高区分良性和恶性软组织瘤的准确性和效率.
- 在临床决策中协助放射科医生和骨科外科医生.
主要方法:
- 从77个软组织瘤病例 (良性和恶性) 的720张MRI图像进行注释.
- 在对比度增强的T1加权脂肪抑制图像上利用放射性特征和深度卷积神经网络 (VGG19).
- 与放射科医生和骨科外科医生在恶性瘤检测和分类时间中的AI性能进行比较.
主要成果:
- 人工智能模型实现了0.91的AUC,与放射科医生 (AUC 0.83) 和外科医生 (AUC 0.73) 相比.
- 人工智能处理诊断数据的速度大约是人类专家的400倍.
- 该系统在区分良性和恶性软组织瘤方面表现出有效性.
结论:
- 成功开发了一种基于人工智能的诊断支持系统,用于基于MRI的软组织瘤诊断.
- 该系统显示出临床应用的有前途潜力,尽管需要进一步改进.
- 人工智能在改善软组织瘤的诊断效率方面提供了显著的优势.
更多相关视频
06:54MR Molecular Imaging of Prostate Cancer with a Small Molecular CLT1 Peptide Targeted Contrast Agent
Published on: September 3, 2013
11.2K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
