人工智能辅助的脊髓转移性病变的检测和定位
Edgars Edelmers1,2, Artūrs Ņikuļins2, Klinta Luīze Sprūdža1
1Faculty of Medicine, Rīga Stradiņš University, LV-1010 Riga, Latvia.
Diagnostics (Basel, Switzerland)
|November 9, 2024
概括
使用U-Net架构的人工智能 (AI) 模型在CT扫描中准确地检测脊髓转移,显示了增强放射科医生的能力的前景,特别是对于伤病变.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 无线电学 (Radiomics) 是一种无线电学.
背景情况:
- 机器学习和放射学增强了医疗保健中的诊断和预后能力.
- 精确检测脊髓转移对于患者的治疗和结果至关重要.
研究的目的:
- 开发和验证使用U-Net架构的AI模型,用于CT图像中检测和细分脊髓转移.
- 为了解决骨解性和骨质母细胞性 (硬化) 病变.
主要方法:
- 使用了多个U-Net架构变体.
- 采用了两个数据集:115名多创伤患者用于脊椎细分和38名脊髓转移患者用于病变检测.
主要成果:
- 在脊椎细分方面取得了高性能 (子相似系数 [DSC] 0.87-0.96).
- 在性病变 (DSC 0.71,F-β 0.68) 中表现良好,但在硬化病变 (DSC 0.61,F-β 0.57) 中具有挑战性.
- 成功确定了脊柱外转移性病变,表明了更广泛的骨检测潜力.
结论:
- 人工智能模型可以作为放射科医生可靠的第二意见工具.
- 进一步的细化和多样化的训练数据是必要的,以获得最佳的性能,特别是对于硬化性病变.
- 有注释的CT数据集是未来研究的宝贵资源.
