基于MRI的卷积神经网络在软组织肉瘤的诊断实用性:一个迷你回顾
Hendrik Voigtländer1, Hans-Ulrich Kauczor1, Sam Sedaghat1
1Department of Diagnostic and Interventional Radiology, University Hospital Heidelberg, Heidelberg, Germany.
Frontiers in oncology
|March 5, 2025
概括
卷积神经网络 (CNN) 在基于MRI的软组织肉瘤诊断和分级方面表现有前途. 需要对CNN进行更多的研究,以预测治疗反应和转移.
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:
- 软组织肉瘤是一种罕见的癌症,需要准确的诊断方法.
- 磁共振成像 (MRI) 是软组织肉瘤评估的关键方式.
- 卷积神经网络 (CNN) 提供先进的图像分析功能.
研究的目的:
- 审查基于MRI的软组织肉瘤CNN的诊断性能.
- 在识别,分级和评估治疗反应时评估CNN.
- 用CNNs评估转移和复发的风险.
主要方法:
- 在PubMed/MEDLINE和Google Scholar上进行了系统的文献搜索.
- 包括专注于CNN,软组织肉瘤和MRI的研究.
- 调查的关键领域包括分化,分类,治疗反应和转移/复发预测.
主要成果:
- 审查了12篇文章,其中7篇专注于差异化和分类.
- 对差异化/分级的敏感度在0.85-0.95,特异性在0.33-1之间,AUC在0.74-0.96.6之间.
- 有限的研究涉及治疗反应 (3篇文章) 和转移/复发 (2篇文章),只有一个为肺转移预测提供了精确的诊断值.
结论:
- 使用CNN的人工智能应用程序显示,通过MRI对软组织肉瘤进行区分和分类具有很强的潜力.
- 需要进一步的研究,以探索CNN在评估治疗反应和预测转移和复发中的有效性.


