胸部瘤学中的深度学习:对肺结节早期检测技术的元分析见解
Ting-Wei Wang1,2,3, Chih-Keng Wang2,4, Jia-Sheng Hong1
1Institute of Biophotonics, National Yang-Ming Chiao Tung University, Taipei 30010, Taiwan.
Cancers
|February 26, 2025
概括
深度学习模型在CT扫描上检测肺结节的可能性很大. 然而,性能各不相同,需要不同的数据集和标准化评估用于临床使用.
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:
- 在CT扫描上精确检测肺结节对于诊断胸部癌症至关重要.
- 深度学习,特别是CNN,提供了自动检测潜力.
- 这项研究系统地审查了人工智能模型对肺结节检测的准确性.
研究的目的:
- 评估深度学习模型的诊断准确性,以检测肺结节.
- 作为主要性能指标,确定病变敏感度.
- 分析影响模型性能的因素.
主要方法:
- 在2023年11月之前对48项研究进行了系统审查和元分析.
- 用于聚合诊断绩效评估的随机效应模型.
- CLAIM 和 QUADAS-2 工具确保了方法的严格性.
主要成果:
- 聚合灵敏度为79% (独立数据集) 和85% (所有数据集).
- 与数据集特征和研究方法相关的性能变化.
- 人口统计和数据分割等因素影响了结果.
结论:
- 深度学习模型显示了肺结节检测的巨大潜力.
- 需要更多多样化的数据集和标准化的评估协议.
- 需要进一步的研究来提高概括性和临床适用性.
