相关实验视频
Updated: May 27, 2025
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.3K
TRUSWorthy:面向临床应用的深度学习,以在微超声波中自信地检测前列腺癌
Mohamed Harmanani1,2, Paul F R Wilson3,4, Minh Nguyen Nhat To5,4
1Queen's University, Kingston, Canada. mohamed.harmanani@queensu.ca.
International journal of computer assisted radiology and surgery
|February 20, 2025
概括
TRUSWorthy是一个集成的深度学习系统,通过克服数据挑战,通过跨直肠超声波 (TRUS) 增强前列腺癌 (PCa) 检测. 它实现了高精度和可靠的预测,推进了可靠的计算机辅助诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 深度学习在跨直肠超声波 (TRUS) 图像中显示出前列腺癌 (PCa) 检测的希望.
- 挑战包括组织异质性,类不平衡 (良性与恶性) 和有限的基底真相注释.
- 这些问题可能导致PCa诊断中不理想的临床结果.
研究的目的:
- 开发和评估TRUSWorthy,这是一个使用深度学习可靠检测PCa的综合系统.
- 解决PCa诊断中的关键挑战:标签稀缺,标签薄弱,阶级不平衡和模型过度自信.
主要方法:
- TRUSWorthy集成了自我监督学习,多实例学习与变压器,随机低样本增强.
- 集成方法用于减轻对预测的过度信心.
- 该系统在一个大型的多中心微超声数据集上进行了训练和验证.
主要成果:
- TRUSWorthy实现了79.9%的AUROC和71.5%的平衡精度,超过了之前的先进方法.
- 高可信度预测 (前20%的预测) 的准确度高达91%.
- 该方法证明了改进的准确性和不确定性校准.
结论:
- TRUSWorthy的综合深度学习方法有效地解决了在具有挑战性的PCa诊断环境中的临床需求.
- TRUSWorthy代表了对PCa可靠的计算机辅助诊断系统的重大进展.
- 该系统的性能突显了医疗成像中定制AI解决方案的潜力.
