快速诊断:开发一种人工智能算法,从照片中检测阴茎癌
Jianliang Liu1,2,3,4, Jonathan S O'Brien2,3,4, Kishor Nandakishor5
1EJ Whitten Prostate Cancer Research Centre, Epworth Healthcare, Melbourne, VIC 3005, Australia.
Cancers
|December 17, 2024
概括
这项研究开发了一种人工智能模型,通过病变图像检测阴茎癌. 卷积神经网络 (CNN) 对识别状细胞癌 (SCC) 有希望,但需要进一步验证.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 阴茎癌是侵略性的,由于意识问题和污名影响生存,延迟呈现.
- 早期识别阴茎癌对于患者的治疗结果至关重要.
- 从临床上来说,区分阴茎癌与良性或癌前病变是非常重要的.
研究的目的:
- 开发和评估一个卷积神经网络 (CNN) 模型,以区分阴茎状细胞癌 (SCC) 和前癌和良性阴茎病变.
- 使用图像数据评估AI模型的诊断性能.
主要方法:
- 美国有线电视新闻网 (CNN) 的一名模特使用来自开放获取出版物的136张阴茎损伤图像进行了训练.
- 数据集包括65个阴茎SCC,44个癌前和27个良性病变.
- 模型性能使用10倍交叉验证和关键诊断指标进行了评估.
主要成果:
- 在将阴茎SCC与良性病变区分开来时,CNN取得了0.94的AUROC (敏感度0.82,特异性0.87).
- 在将癌前病变与SCC区分开来时,性能较低 (AUROC 0.74).
- 该模型展示了潜力,但需要进一步验证.
结论:
- 人工智能,特别是CNN,具有识别阴茎SCC的潜力.
- 该研究强调了需要更大的数据集和现实世界的验证,用于临床应用.
- 需要进一步的研究来完善用于阴茎损伤诊断的AI工具.
关键词:
人工智能 (AI) 是一种人工智能.深度学习 (DL) 是指深度学习.诊断 诊断 诊断 诊断 诊断 诊断早期发现癌症的早期检测医疗信息技术健康信息技术神经网络 (CNN) 是一个神经网络.在现场 (CIS) 的阴茎癌.阴茎内皮内皮性瘤.阴茎的新生瘤.更多相关视频
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
13:44Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
Published on: August 30, 2013
42.8K