一个多中心研究神经纤维素瘤类型1利用深度学习全身瘤识别
Cheng-Jiang Wei1,2, Yan Tang3, Yang-Bai Sun4
1Neurofibromatosis Type 1 Center and Laboratory for Neurofibromatosis Type 1 Research, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, 200011, China.
NPJ digital medicine
|January 25, 2025
概括
这项研究开发了一种人工智能模型,用于早期查1型神经纤维瘤患者的恶性外周神经瘤 (MPNST). 该模型实现了高精度,显示了全身瘤查的潜力.
科学领域:
- 在瘤学中使用人工智能
- 医学成像分析 医学成像分析
- 在瘤学瘤学.
背景情况:
- 深度学习在病变分化方面表现有前途,但往往忽视了复杂的全身背景.
- 神经纤维素瘤类型1 (NF1) 由于瘤检测的背景异质,因此存在挑战.
- 早期查恶性外围神经膜瘤 (MPNSTs) 是至关重要的.
研究的目的:
- 开发基于MRI的准确深度学习模型,用于NF1患者MPNST的早期自动查.
- 为了应对复杂的全身背景在瘤检测中的挑战.
- 创建一个适合临床部署的隐私意识的轻量级模型.
主要方法:
- 开发了一种包含正常组织/器官标签用于上下文信息的单步深度学习模型.
- 分析了来自中国七中心队列的347名受试者的数据.
- 一个轻量级的深度神经网络架构被用于隐私和医院部署.
主要成果:
- 该模型在验证队列中实现了MPNST诊断的85.71%准确性.
- 该模型在一个独立的测试组中显示了84.75%的准确性.
- 开发的模型在准确性方面超过了经典的两步模型.
结论:
- 开发的AI模型显示,针对复杂背景的NF1患者的MPNST查具有高准确性.
- 结合上下文信息的方法对于具有复杂背景的瘤是有效的.
- 这种AI模型有可能选其他全身原发性和转移性瘤.
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
08:57Author Spotlight: Genetically Engineered Mouse Models and Pathological Characterization of Neurofibromatosis Type 1 Associated Tumors
Published on: May 17, 2024
1.5K
