基于MRI的深度学习放射学,用于区分良性和恶性副喉空间瘤
Helei Yan1,2,3,4, Lei Liu5, Mingzhe Xie6
1From the Department of Otolaryngology-Head and Neck Surgery, Xiangya Hospital, Central South University, Changsha, Hunan, People's Republic of China.
The Laryngoscope
|February 11, 2025
概括
一个新的深度学习放射学模型准确地区分恶性和良性副喉空间瘤. 这种工具有助于术前诊断和临床决策对喉空间 (PPS) 瘤.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 副喉空间 (PPS) 瘤需要准确的手术前诊断来指导治疗.
- 从临床上讲,区分恶性和良性PPS瘤是具有挑战性的.
研究的目的:
- 开发和验证一个诊断工具,用于副喉空间瘤.
- 整合深度学习和放射学功能,以提高诊断准确度.
主要方法:
- 对217名患有PPS瘤的患者进行了回顾性研究.
- 使用部MRI开发深度学习 (DL),放射学 (Rad) 和深度学习放射学 (DLR) 模型.
- 使用AUC,特异性和灵敏度评估模型性能;通过DCA评估的临床效用.
主要成果:
- DLR模型实现了最高的AUC (0.899训练,0.821测试集).
- 与独立的DL和Rad模型相比,DLR模型表现出优越的性能.
- 决策曲线分析证实了DLR模型的临床实用性.
结论:
- DLR模型显示出高预测能力,用于诊断恶性和良性PPS瘤.
- 这种综合模型可以显著帮助手术前诊断PPS瘤.
- DLR模型是临床决策的宝贵工具.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.3K
15:48Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
Published on: December 15, 2014
22.3K
