相关实验视频
Updated: May 5, 2026
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.4K
前列腺mpMRI的自动化24部门网格图算法提高了前列腺损伤位置报告的精度和有效性
Thula C Walter-Rittel1, Anne Frisch1, Charlie Alexander Hamm2
1Charité - Universitätsmedizin Berlin, Corporate Member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Department of Radiology, Berlin, Germany.
European journal of radiology
|December 27, 2024
概括
一个新的深度学习算法自动将前列腺病变映射到特定的部门,准确度为80%,显著提高了放射科医生的性能,以更好地报告前列腺癌.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
背景情况:
- 前列腺成像报告和数据系统 (PI-RADS) 需要精确地定位前列腺区域内的病变 (过渡区域/TZ,外围区域/PZ).
- 准确的部门映射对于一致的报告和治疗规划至关重要.
研究的目的:
- 开发和验证深度学习 (DL) 算法,用于自动绘制前列腺部门地图.
- 评估算法的性能,以确定正确的前列腺部门的病变.
主要方法:
- 使用基于DL的前列腺细分,创建了一个自动的24个部门网格图 (ASG).
- 分析了50个多参数MRI (mpMRI) 数据集,并放置信托来确定部门位置.
- 将ASG性能与具有和没有ASG地图的专家泌尿放射科医生和四名放射科医生进行了比较.
主要成果:
- 该ASG算法在识别正确的前列腺部门方面取得了80%的准确性.
- 这显著超过了无ASG图的放射科医生读数的55%准确率 (p < 0.0001).
- ASG 地图提高了放射科医生的精度,达到71% (p < 0.004).
结论:
- 24个部门的ASG地图对于自动前列腺部门细分是有效的.
- 这种工具显著提高了前列腺损伤位置报告的准确性.
更多相关视频
05:49Use of Magnetic Resonance Imaging and Biopsy Data to Guide Sampling Procedures for Prostate Cancer Biobanking
Published on: October 10, 2019
6.5K
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
135
