一个基于PET/CT的3D深度学习模型,用于预测I期肺腺癌在空气空间中的传播
Cheng Zheng1, Yujie Cai1, Jiangfeng Miao1
1Department of Nuclear Medicine, Affiliated Hospital of Nantong University, No. 20 of Xisi Road, ChongChuan District, Nantong, 226001, Jiangsu, China.
概括
使用18F-FDG PET/CT的新型深度学习 (DL) 模型准确地预测了肺腺癌 (LUAD) 中通过空气空间 (STAS) 的传播. 这种人工智能工具显示出有潜力帮助医生为早期的LUAD进行手术前规划.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 通过空气空间传播 (STAS) 是肺腺癌 (LUAD) 的预后因素.
- 准确的手术前预测STAS对于临床阶段I LUAD的治疗规划至关重要.
研究的目的:
- 评估使用18F-FDG PET/CT预测临床阶段I LUAD中的STAS的3D深度学习 (DL) 模型.
- 评估模型的性能和临床实用性,以帮助进行手术前诊断.
主要方法:
- 对162名患有I期LUAD的患者进行了回顾性分析.
- 使用PET和CT数据开发和融合6个3DDL模型 (ResNet50).
- 通过两阶段的读者研究来评估临床效用,将模型性能与医生进行比较.
主要成果:
- 合PET/CT DL模型实现了高AUC (0.956训练,0.889测试).
- 与医生相比,该模型显示出更高的灵敏度和特异性.
- 人工智能辅助提高了医生在后续读数中的诊断准确度.
结论:
- DL模型显示了作为医生预测STAS的辅助工具的潜力.
- 这种人工智能工具可以帮助在I阶段LUAD的术前治疗规划.
- 需要对DL模型进行前性验证.
