一个基于人工智能的结直肠肝转移的识别模型在手术内超声波中,通过算法集成算法提高了准确性
Maho Takayama1, Kyoji Ito1, Kenji Karako1
1Hepato-Biliary-Pancreatic Surgery Division, Artificial Organ and Transplantation Division, Department of Surgery, Graduate School of Medicine, The University of Tokyo, Tokyo, Japan.
Journal of hepato-biliary-pancreatic sciences
|November 15, 2024
概括
一个新的AI模型使用对比增强型手术内超声学 (CE-IOUS) 准确检测结直肠肝转移 (CLM). 通过结合图像和算法分析,该模型实现了96.5%的准确性,提高了手术精度.
科学领域:
- 医学成像医学成像
- 人工智能在瘤学中的应用
- 手术瘤学手术瘤学
背景情况:
- 增强对比的手术内超声波 (CE-IOUS) 对于在手术期间识别结肠直肠肝转移 (CLM) 至关重要.
- 目前在CE-IOUS中用于CLM检测的人工智能 (AI) 的应用有限.
研究的目的:
- 开发一个用于CE-IOUS图像的自动瘤检测模型,使用基于Mask区域的卷积神经网络 (Mask R-CNN).
- 通过人工智能驱动的分析,提高CE-IOUS中CLM检测的准确性.
主要方法:
- 开发了两个模型:一个在CE模式图像上训练的基本识别模型 (BRM) 和一个使用基本和CE模式图像之间的回声效应差异的减法模型 (SM).
- 将BRM和SM集成到一个组合模型 (CM) 中,该模型利用来自两者的预测概率.
- 培训和验证使用121名患有CLM的患者2659张CE-IOUS图像.
主要成果:
- 组合模型 (CM) 获得了最高的准确率96.5%,超过了基本识别模型 (BRM) 89.4%和减法模型 (SM) 86.6%.
- 组合模型表现出优异的性能,曲线下的面积 (AUC) 为0.99.
- 使用最大AUC和相应的值来确定最佳模型参数.
结论:
- 成功开发了一种集成图像和基于算法的新型自动识别模型.
- 开发的模型可以在CE-IOUS.IOUS中准确检测结直肠肝转移.
- 这种由人工智能驱动的方法具有显著的潜力,可以改善CLM管理中的外科结果.
