相关实验视频
Updated: Jun 3, 2026
10:25
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
Published on: November 11, 2022
8.5K
供应商预训练和定制训练的深度学习细分模型对头,乳腺和前列腺癌的比较
Xinru Chen1,2, Yao Zhao1, Hana Baroudi1,2
1Department of Radiation Physics, Division of Radiation Oncology, The University of Texas MD Anderson Cancer Center, Houston, TX 77030, USA.
Diagnostics (Basel, Switzerland)
|January 8, 2025
概括
与供应商预训练的模型相比,定制深度学习模型显著提高了癌症细分的准确性. 即使少量机构数据也可以定制模型,以提高头部和部,乳房和前列腺成像的性能.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在瘤学中的应用
- 放射治疗规划 放射治疗规划
背景情况:
- 商业深度学习 (DL) 模型用于医疗图像细分通常显示可变性能.
- 机构数据和临床实践可以影响这些DL细分工具的有效性.
研究的目的:
- 评估当地患者和临床特征对商业深度学习细分模型性能的影响.
- 为了比较供应商预训练的DL模型与定制训练的DL模型的性能,用于头癌,乳腺癌和前列腺癌.
主要方法:
- 利用了来自四种癌症类型的210名患者的临床CT扫描和轮.
- 通过使用机构数据,训练并验证了四种自定义DL细分模型.
- 使用子相似系数 (DSC) 和平均表面距离 (MSD) 评估供应商预训练和定制训练模型的性能.
主要成果:
- 在24个有风险的器官中,定制训练的模型在14个中表现出比供应商预训练的模型更好的性能.
- 用定制模型观察到乳腺癌和前列腺癌细分的DSC和MSD显著改善.
- 定制模型的平均DSC:HN (0.86),乳腺 (0.80),前列腺 (0.92) 与供应商模型的平均DSC:HN (0.81),乳腺 (0.67),前列腺 (0.87).
结论:
- 机构数据的变化对供应商预训练的DL细分模型的性能产生重大影响.
- 即使使用有限的机构数据来定制DL模型,也可以为临床应用实现足够的准确性.
- 定制DL细分模型对于优化其在放射治疗规划中的实施至关重要.
