用基于V-Net的3D模型进行计算机断层扫描对上腺体的表征
Yuanchong Chen1, Yaofeng Zhang2, Xiaodong Zhang1
1Department of Radiology, Peking University First Hospital, Beijing, 100034, China.
Insights into imaging
|January 14, 2025
概括
这项研究开发了3D V-Net模型用于上腺损伤细分,在将上腺分类为正常或异常方面取得了高准确性. 该模型显示了改善上腺异常诊断工作流程的潜力.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 上腺病变可以在常规诊断工作流程中表现出观察者间的变化.
- 精确的上腺特征对于患者管理至关重要.
研究的目的:
- 评估基于V-Net的3D细分模型,用于上腺损伤检测.
- 评估模型在将上腺分类为正常或异常时的表现.
- 将模型的性能与放射学报告进行比较.
主要方法:
- 追溯收集和注释1086个CT图像系列与上腺病变的模型训练.
- 在测试套件上使用子相似系数 (DSC) 评估细分性能.
- 在两个队列 (确认病变的59名患者,有恶性病史的479名患者) 上进行外部验证,评估分类性能 (敏感性,准确性).
主要成果:
- 细分模型在测试组中实现了0.900的DSC.
- 对外部验证数据集1的灵敏度和准确度为99.7%和98.3%,对外部验证数据集2的灵敏度和准确度为87.2%和62.2%.
- 该模型的性能与验证数据集中的放射学报告相比没有显著差异.
结论:
- 开发的3D V-Net模型有效地对上腺病变进行细分.
- 该模型可用于对上腺的二元分类,有助于检测异常.
- 该模型在术前情景中显示出高精度,在查人群中显示出高灵敏度.
