计算机断层扫描图像中肝脏焦点病变的自动定位和基于深度卷积生成对抗网络的分类:一项初步研究
Pushpanjali Gupta1,2,3,4, Yao-Chun Hsu5,6, Li-Lin Liang2,4
1Division of Translational Research, Taipei Veterans General Hospital, Taipei, Taiwan.
Journal of gastroenterology and hepatology
|November 14, 2024
概括
一个新的深度学习系统在CT扫描中准确地识别和分类焦点肝损伤 (FLL). 这种人工智能工具有助于医生诊断肝病,改善FLLs的临床决策.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 肝病学 肝病学是一种肝病学.
背景情况:
- 计算机断层扫描 (CT) 对焦点肝病变 (FLLs) 的解释可能是主观的.
- 准确的FLL检测和分类对于有效的患者管理至关重要.
- 需要客观的工具来支持肝损伤诊断的临床决策.
研究的目的:
- 为腹部CT成像中的FLLs开发和评估基于深度学习的本地化和分类 (DLLC) 系统.
- 评估DLLC系统在协助FLL诊断的医生方面的性能.
- 为放射科医生和肝科医生提供一个强大而准确的AI驱动工具.
主要方法:
- 追溯分析了来自1589名FLL患者的17335个CT切片.
- 使用生成对抗网络进行数据增强的DLLC系统的开发.
- 使用外部数据对DLLC系统与医生解释的性能进行比较分析.
主要成果:
- 该DLLC系统实现了0.81的定位的平均平均精度.
- 对FLL多类分类的整体准确性为0.97.
- 该系统在局部化和分类方面对较小 (≤3厘米) 和较大的 (>3厘米) FLL 均表现出高精度.
结论:
- 开发的DLLC系统为诊断肝脏疾病提供了一种准确且非侵入性的方法.
- 这种人工智能工具可以显著提高肝病学家和放射学家的临床决策.
- DLLC系统代表了对FLLs的CT扫描解释的宝贵进步.
