在细胞癌手术中,基础模型和基于放射学的围脂肪的定量表征
Haonan Mei1, Hui Chen1, Qingyuan Zheng1
1Department of Urology, Renmin Hospital of Wuhan University, 238 Jiefang Road, Wuchang District, Wuhan, Hubei Province 430060, China (H.M., H.C., Q.Z., R.Y., P.J., X.W., Z.C., X.L.); Institute of Urologic Disease, Renmin Hospital of Wuhan University, Wuhan, Hubei, China (H.M., H.C., Q.Z., R.Y., P.J., X.W., Z.C., X.L.).
Academic radiology
|March 25, 2025
概括
人工智能 (AI) 模型在细胞癌患者中准确地识别了围脂肪粘附. 这种人工智能方法有助于通过将粘附与输血等结果相关联,以评估手术风险.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 周周脂肪粘附是细胞癌 (RCC) 手术复杂性的关键因素.
- 围脂肪粘附的定量评估对于手术规划和风险分层至关重要.
研究的目的:
- 开发和验证人工智能 (AI) 模型,用于对RCC周围脂肪粘附的定量表征.
- 评估单模和多模人工智能模型在预测周围腎脂肪粘附方面的性能.
主要方法:
- 追溯分析了596名患者的计算机断层扫描 (CTU) 泌尿图像.
- 使用nnUNet v2.2.进行围脂肪的细分.
- 使用放射学和CT基础模型进行特征提取.
- 开发单模和早期融合多模预测模型.
主要成果:
- 人工智能模型准确地细分了脏和划分了周围脏脂肪.
- 与单一模式模型相比,多式人工智能模型在识别周围脂肪粘附方面表现优异.
- 周周脂肪粘附得分与外科手术时间和手术内失血有积极的相关性.
结论:
- 人工智能驱动的放射学和基础模型提供了精确的周围脂肪粘附的识别.
- 这些人工智能模型具有改善RCC患者手术风险评估的巨大潜力.
