用注意引导深度学习进行光声学成像,用于预测乳腺癌中尾淋巴结状态
Guoqiu Li1, Shuzhen Tang1, Zhibin Huang1
1Department of Ultrasound, The Second Clinical Medical College, Jinan University (Shenzhen People's Hospital), Shenzhen 518020, Guangdong, China (G.L., S.T., Z.H., M.W., S.M., J.X., F.D.).
Academic radiology
|January 23, 2025
概括
这项研究表明,将光声学成像与深度学习相结合,可以改善乳腺癌患者对状淋巴结状况的预测. 开发的诺米图为个性化治疗决策提供了更高的准确性.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 准确的手术前评估下淋巴结 (ALN) 状态对于有效的乳腺癌管理至关重要.
- 目前的方法可能在手术前精确确定ALN参与方面存在局限性.
研究的目的:
- 评估光声学 (PA) 成像与注意引导深度学习 (DL) 结合的疗效,用于预测早期乳腺癌中ALN状态.
- 开发和验证一个包含DL和临床参数的预测性名录,以改善ALN状态预测.
主要方法:
- 对324名早期乳腺癌患者 (2022-2024) 的回顾性分析.
- 进行了手术前的双模态光声超声波 (PA-US) 成像.
- 开发了一种以注意为导向的DL模型,使用PA-US图像预测ALN状态,与临床模型和组合名图相比较.
主要成果:
- 与临床模型相比,组合名图显示出优异的预测性能.
- 在训练队列中,名图实现了0.906的曲线下的面积 (AUC),在测试队列中达到0.868.
- 决策曲线分析证实了名图的临床效用,并改善了净益处.
结论:
- 注意引导的PA成像与DL结合,为预测乳腺癌中ALN状态提供了一个强大的工具.
- 开发的诺米图表促进了针对乳腺癌管理的个性化临床决策.
- 这种方法提高了手术前ALN评估的精度.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.6K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K