用卷积神经网络进行回归建模,用于预测巨型垂体腺瘤手术前MRI切除程度:试点研究
Biren Khimji Patel1, Leonardo Tariciotti1,2, Lorenzo DiRocco3
1Departments of1Neurosurgery and.
Journal of neurosurgery
|February 21, 2025
概括
卷积神经网络 (CNN) 使用MRI扫描准确预测巨型垂体腺瘤 (GPA) 的切除程度. 这种人工智能工具有助于进行手术规划和为头骨底部瘤提供患者咨询.
科学领域:
- 神经外科 神经外科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 巨型垂体腺瘤 (GPAs) 由于其大小和接近关键结构,造成了外科手术的挑战.
- 总体切除 (GTR) 通常很困难,导致剩余的瘤负担.
- 精确预测切除程度对于手术规划和患者护理至关重要.
研究的目的:
- 评估卷积神经网络 (CNN) 在预测GPAs切除程度 (EOR) 的有效性.
- 评估人工智能在改善骨底部瘤手术规划和患者咨询方面的潜力.
- 通过准确的EOR预测,改善多学科的术后护理协调.
主要方法:
- 对100名患有GPA的患者进行了内镜内外科手术的回顾性分析.
- 在手术前的MRI DICOM图像上培训CNN模型 (80名患者进行培训,20名患者进行验证).
- 使用建筑模块进行图像选择和在使用TensorFlow的解剖平面上预测EOR.
主要成果:
- 美国有线电视新闻网 (CNN) 模型证明了手术前MRI对EOR的高预测准确度.
- 冠状平面分析产生了最好的性能,根平均平方误差为2.9916和R2为0.9823.
- 中位数EOR为94.5%,GTR在49%的案例中实现.
结论:
- 基于CNN的模型显示出预测手术前MRI中GPA中的EOR的前景.
- 这种人工智能方法可以显著帮助手术前评估和患者咨询.
- 建议对更大的患者队伍进行进一步验证.
