深度学习放射学诺米克图,用于在患有胰腺胆道错位的儿童中预手术识别中度至重度慢性胆道炎:一项多中心研究
Hui-Min Mao1, Kai-Ge Chen2, Bin Zhu3
1Department of Radiology, Children's Hospital of Soochow University, Suzhou, 215025, China.
BMC medical imaging
|February 5, 2025
概括
一种深度学习放射学名图 (DLRN) 准确地识别了患有胰腺胆道缺陷 (PBM) 的儿童严重的胆道炎症. 这种非侵入性工具有助于手术规划和PBM患者的个性化治疗.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 儿科手术 儿科手术
背景情况:
- 在儿科胰腺胆道错位 (PBM) 中长期的胆道炎会导致粘附,增加手术风险.
- 准确的手术前识别中度至重度慢性胆管炎对于在PBM儿童手术规划至关重要.
研究的目的:
- 开发和验证一个深度学习放射学名图 (DLRN) 用于在儿科PBM患者中进行中度至重度慢性胆管炎的非侵入性术前识别.
主要方法:
- 从三个中心对323名儿科PBM患者进行了回顾性分析.
- 使用ResNet50.0.从对比度增强的CT图像中提取手工制作和深度学习 (DL) 放射学特征.
- 通过多变量逻辑回归开发DLRN,整合临床因素和放射学特征.
主要成果:
- 在验证和测试队列中,DLRN实现了高诊断性能,AUC为0.913-0.916.
- DLRN显著超过了临床,手工制造的放射学和DL放射学模型.
- DLRN证明了良好的校准和临床实用性.
结论:
- 开发的DLRN作为一个有价值的非侵入性工具,用于在儿科PBM中进行中度至重度慢性胆管炎的术前诊断.
- 这种名图可以改善临床决策,并为受影响的儿童个性化管理策略.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
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
