一个新的人工智能细分模型用于膀瘤的早期诊断

科学领域:

• 泌尿器科 泌尿器科 泌尿器科 泌尿器科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 囊镜对于膀癌的诊断至关重要,但与平面病变和卫星结节作斗争.
• 错误诊断可能会导致瘤在经尿道切除膀瘤 (TURBT) 后重新生长.

研究的目的:

• 开发基于深度学习的智能诊断系统,用于早期检测膀癌.
• 提高早期膀瘤的鉴定率,减少错误诊断.

主要方法:

• 收集了来自273名接受TURBT的膀癌患者的视频数据.
• 开发了一种使用变压器架构的新型膀瘤细分网络 (BTS-Net).
• 由泌尿科医生进行注释的数据集,以定义瘤边界.

主要成果:

• 在外部验证数据集上,BTS-Net实现了卓越的性能.
• 关键指标包括MPrecision (91.39%),MRecall (95.71%),MIoU (88.18%) 和F1-score (93.18%).这些指标中最重要的指标包括MPrecision (91.39%),MRecall (95.71%),MIoU (88.18%) 和F1-score (93.18%).
• 该系统表现出高精度,实时处理速度为23fps.

结论:

• 在手术视频中,BTS-Net有效地对卫星病变进行细分,解决了当前诊断方法的一个关键局限性.
• 这种人工智能辅助系统可以通过在TURBT期间确保完整的瘤治疗来提高手术结果.
• 这项技术不需要专门的设备,促进了可访问性.