开发一种人工智能自分区工具,用于前置性神经瘤的3D体积分析
Noemi Jester1,2, Manwi Singh1,2, Samantha Lorr3
1School of Medicine, Sheffield University, Sheffield, UK.
Scientific reports
|February 18, 2025
概括
一个人工智能 (AI) 工具显著加快了前庭神经瘤 (VS) 瘤的3D体积分析. 这种人工智能方法提高了瘤测量的准确性和效率,有助于临床决策.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 传统的瘤大小测量依赖于线性和体积分析,3D体积分析获得了吸引力.
- 目前的3D体积分析是耗时和劳动密集型的,阻碍了广泛的临床采用.
- 静脉瘤 (VS) 需要准确的尺寸评估来规划和监测治疗.
研究的目的:
- 为了证明人工智能主导的方法可以减少对VS瘤的3D体积分析的时间和提高3D体积分析的准确性.
- 为有效和精确的瘤细分和体积计算验证人工智能工具.
- 评估AI在可视化瘤生长模式方面的潜力,以加强临床决策.
主要方法:
- 为了进行基准真相分析,编制了来自VS患者的143张MRI数据集.
- 使用Simpleware ScanIP软件创建了3D瘤模型,用于地面真相数据集.
- 一个专有的人工智能和机器学习 (ML) 模型 (DPP V1.0) 被开发和训练用于3D体积分析.
主要成果:
- 最初的AI模型获得了0.76的平均DICE分数,表明了概念验证的性能.
- 在改进后,人工智能模型的性能得到了改善,平均DICE分数为0.88 (范围为0.74-0.93).
- 人工智能工具在前庭神经瘤的3D体积分析中表现出效率和准确性.
结论:
- 开发的AI工具为VS瘤的3D体积分析提供了一种高效准确的方法.
- 与手工方法相比,人工智能驱动的分析显著减少了瘤细分所需的时间.
- 人工智能工具的覆盖功能有助于可视化瘤生长,支持明智的临床决策.
