微调的大型多模式模型用于CT检测乳腺和食道癌:一项初步研究

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 胸部对比度增强CT对于检测胸部恶性瘤至关重要.
• 乳腺和食道癌的早期和准确的诊断可以改善患者的治疗结果.
• 大型多模式模型 (LMM) 在乳腺癌成像中的应用是一个新兴的领域.

研究的目的:

• 开发和评估用于检测乳腺和食道癌的大型多式模式 (LMM).
• 评估微调的LMM在胸部对比度增强CT扫描上的诊断性能.

主要方法:

• 一项回顾性研究使用CT图像从401名患者进行培训,51名患者进行验证,120名患者进行测试.
• 使用CT图像和相应的文本标签 (癌瘤存在/不存在) 来微调LMM.
• 使用接收器操作特征曲线 (AUC) 下的面积来评估性能,并重复监督学习10次.

主要成果:

• 微调的LMM实现了高灵敏度:在测试数据集中,乳腺癌为0.929,食道癌为0.951.
• 观察到出色的诊断性能,乳腺癌的AUC为0.890,食道癌的AUC为0.880.
• 该模型展示了两种癌症类型的强大检测能力.

结论:

• 微调的LMM有效地检测乳腺和食道癌在胸部对比度增强CT,具有高的诊断准确度.
• 这项研究强调了LMMs在增强乳腺癌成像分析方面的潜在实用性.
• 开发的LMM显着有望改善这些特定癌症的检测.