在PET CT扫描中对肠道瘤细分的比较分析,使用基于器官和全身的深度学习

科学领域:

• 医疗成像医学成像
• 在瘤学中使用人工智能
• 无线电学 (Radiomics) 是一种辐射学.

背景情况:

• 18-脱氧葡萄糖正子发射断层扫描/计算机断层扫描 (FDG-PET/CT) 对癌症管理至关重要.
• 深度学习模型因复杂的解剖学和正常组织吸收而难以对胃肠道瘤进行细分.
• 尽管面临这些挑战,但对胃肠道瘤的准确细分至关重要.

研究的目的:

• 为了比较一个以器官为中心的训练方法与全身训练方法,用于胃肠道瘤细分.
• 评估训练数据同质性对细分精度的影响.
• 评估这些方法在识别肠道瘤方面的有效性.

主要方法:

• 进行了一项国际多中心比较研究.
• 一种以器官为中心的方法使用了针对肠道瘤的同质训练数据.
• 一个全身方法利用了全身扫描的数据.
• 这两种方法都是在分散型大B细胞淋巴瘤 (DLBCL) 患者数据上进行训练的.

主要成果:

• 与全身方法 (0.63±0.30) (p<0.0001) 相比,以器官为中心的方法实现了显著更高的平均子得分 (0.78±0.21).
• 基于器官的方法证明了在损伤水平上提高了精度,回忆和F1得分.
• 在患有卵泡淋巴瘤 (FL) 的非霍奇金淋巴瘤 (NHL) 患者身上测试了概括性.

结论:

• 以器官为中心的训练通过使用均的训练数据来增强肠道瘤细分.
• 训练数据中的组织均性是提高细分精度的关键.
• 这与全身训练形成鲜明对比,全身训练本质上使用的是更异质的数据.