一个基于深度学习的检测和细分系统,用于评估表面淋巴结转移的多模式超声波图像
Roxana Rusu-Both1, Marius-Cristian Socaci2, Adrian-Ionuț Palagos1,2
1Automation Department, Technical University of Cluj-Napoca, 400114 Cluj-Napoca, Romania.
Journal of clinical medicine
|March 27, 2025
概括
本研究介绍了一种人工智能系统,用于使用多式超声波图像进行淋巴结转移的自动评估. 深度学习模型提高了癌症分期的诊断准确性和效率.
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:
- 癌症仍然是全球死亡的主要原因.
- 准确的淋巴结转移评估对于癌症诊断,预后和治疗至关重要.
- 目前的淋巴结评估方法耗时且具有挑战性.
研究的目的:
- 开发和验证一个用于表面淋巴结评估的自动化系统.
- 在多模式超声波图像 (B模式,多普勒,弹性图像) 上使用深度学习技术.
- 为了提高淋巴结转移检测的效率和准确性.
主要方法:
- 实现了用于淋巴结检测和细分的Mask R-CNN架构.
- 应用降噪,形态和纹理特征分析.
- 综合多普勒和弹性图数据,以评估血管性和刚性.
主要成果:
- 通过Mask R-CNN模型实现了92.56%的准确性,60.7COCO AP和64的验证分数.
- 整合多普勒和弹性图数据改善了诊断能力.
- 该系统为淋巴结形态,血管性和性提供了全面的见解.
结论:
- 介绍了一种新的深度学习方法,用于超声波中自动化淋巴结评估.
- 该系统为有效的淋巴结转移评估提供了可靠的工具.
- 有潜力显著改善患者的治疗结果和瘤学诊断准确度.


