用深度学习方法对ADPKD计算机断层图像进行细分,用于预测脏总体体积.
Ting-Wen Sheng1, Djeane Debora Onthoni2, Pushpanjali Gupta2
1Department of Medical Imaging and Intervention, New Taipei Municipal TuCheng Hospital, Chang Gung Medical Foundation, New Taipei City 236017, Taiwan.
Biomedicines
|February 26, 2025
概括
人工智能 (AI) 模型使用非增强型计算机断层扫描 (NCCT) 和对比增强型计算机断层扫描 (CCT) 扫描,准确估计自体主导多囊性病 (ADPKD) 患者的总体体积 (TKV).
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 腎臟病學 (nephrology) 是一種醫學.
背景情况:
- 总体积 (TKV) 对于预测自身主导性多囊性病 (ADPKD) 功能下降至关重要.
- 目前使用CT扫描进行手动TKV计算是耗时的,劳动密集的,容易出现人为错误.
- 在针对CT模式变异的研究中存在一个显著的差距,用于TKV估计.
研究的目的:
- 开发和验证一个人工智能支持的框架,用于在ADPKD患者中进行可靠的TKV估计.
- 确保在非增强型计算机断层扫描 (NCCT) 和对比增强型计算机断层扫描 (CCT) 模式中保持一致的性能.
- 为了克服手动脏定位和细分的局限性.
主要方法:
- 为脏局部化和细分提出了一步一步的AI框架.
- 集成的图像预处理技术 (扩展,全球值) 与深度学习 (DL) 模型 (SSD,Inception V2,DeepLab V3+).
- 在NCCT和CCT图像中确保了平衡的样本利用和强大的性能.
主要成果:
- 人工智能模型实现了95%的局部化平均精度 (mAP).
- 细分精度达到了92%的欧盟平均交叉点 (mIoU).
- 通过TKV估计,R2得分高达97%.
结论:
- 开发的AI模型可稳定地定位和细分ADPKD脏.
- 基于AI的TKV估计是有效的,使用NCCT和CCT图像.
- 这种AI框架为ADPKD管理提供了一种可靠和高效的替代手工方法.
