基于深度学习的堆叠微血管图像中的肝纤维化阶段分类

科学领域:

• 肝病学 肝病学是一种肝病学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 监测肝纤维化对于管理慢性肝病至关重要.
• 堆叠微血管成像 (SMVI) 是评估纤维化的新技术.
• 之前的研究表明,SMVI的高灵敏度和检查员评分的有效性.

研究的目的:

• 用人工智能 (AI) 评估SMVI在诊断肝纤维化阶段的有效性和客观性.
• 将基于人工智能的SMVI分析与肝纤维化评估的人类判断进行比较.

主要方法:

• 开发了一个卷积神经网络模型来分析来自517名CLD患者的SMVI.
• 根据肝硬度测量,肝纤维化被分为五个阶段 (F0-1低,F0-1高,F2,F3,F4).
• 人类的判断主要集中在SMVI.中的微血管形态变化 (缩小,口径不规则,形) 上.

主要成果:

• 人工智能在两类分类中 (F0-1与F2-4) 实现了83.8%的准确性,超过了人类评估 (81.6%为≥F2).
• 与人类判断相比,人工智能显示出更高的灵敏度 (84.2%) 和特异性 (83.5%).
• 人工智能分析显示,在2级分类中,F1得分优越,这表明整体表现更好.

结论:

• 基于AI的SMVI评估比人类判断更准确地检测显著的肝纤维化 (≥F2).
• 对SMVI的AI分析减少了主观性,并提供了客观的纤维化发展评估.
• 人工智能驱动的SMVI代表了诊断CLD患者肝纤维化的重大进步.