深度学习模型用于区分三种鼻恶性瘤使用多序MRI
Luxi Wang1,2, Naier Lin2, Wei Chen1,2
1Shanghai Institute of Medical Imaging, Fudan University, Shanghai, China.
BMC medical imaging
|February 21, 2025
概括
使用MRI的深度学习 (DL) 模型有效地区分鼻腔状细胞癌 (SCC),腺囊性癌 (ACC) 和嗅觉神经母细胞瘤 (ONB). 人工智能辅助显著提高了初级和高级放射科医生的诊断准确度.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 使用MRI区分鼻腔状细胞癌 (SCC),腺囊性癌 (ACC) 和嗅觉神经母细胞瘤 (ONB) 是一个挑战.
- 深度学习 (DL) 提供了改善复杂瘤成像诊断准确性的潜力.
研究的目的:
- 开发和评估基于MRI的深度学习 (DL) 模型,以区分鼻腔SCC,ACC和ONB.
- 评估这些DL模型对放射科医生的诊断性能的影响.
主要方法:
- 对465名患有鼻腔SCC,ACC或ONB的患者进行了回顾性分析.
- 使用T2WI,CE-T1WI和ADC序列开发传统的MRI和DL模型.
- 使用ResNet101,ResNet50和DensNet121架构对DL模型性能进行评估.
- 评估放射科医生的表现,有或没有人工智能辅助.
主要成果:
- 传统的MRI模型实现了78.8%的AUC.
- ResNet101 DL模型表现出卓越的性能,平均融合序列的宏观AUC为0.892和微观AUC为0.875.
- 人工智能辅助显著提高了高级和初级放射科医生的诊断准确度,回忆,精度和F1分数.
结论:
- 该ResNet101DL模型有效地区分了鼻腔SCC,ACC和ONB.
- 人工智能驱动的DL模型提高了放射科医生的诊断能力,从而提高了鼻瘤分类的准确性.
