开发和验证一个算法,从三维跨直肠多参数超声波图像对前列腺及其区域进行细分
Daniel L van den Kroonenberg1, Florian T Delberghe2, Auke Jager1
1Department of Urology, Amsterdam UMC, Amsterdam, The Netherlands.
European urology open science
|April 17, 2025
概括
一个新的深度学习算法使用3D多参数超声波 (mpUS) 准确地对前列腺及其区域进行细分. 这种自动化细分显示出高准确性,有助于前列腺癌 (PC) 诊断,并可能改善计算机辅助诊断系统.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
背景情况:
- 多参数超声波 (mpUS) 正在作为MRI替代品用于前列腺癌 (PC) 检测.
- 自动前列腺和区域细分可以通过考虑成像特征和瘤发生率来提高PC诊断.
研究的目的:
- 开发一种深度学习算法,用于前列腺及其区域的自动细分.
- 在3D对比增强超声波 (CEUS) 和B模式图像上评估算法的性能.
主要方法:
- 一个卷积神经网络 (U-Net架构) 是使用从一个潜在的多中心试验259个3DmpUS图像开发的.
- 手动细分是使用自定义工具进行比较的.
主要成果:
- 该算法在3D前列腺细分方面实现了高的子相似系数 (DSC):CEUS为0.91,B模式为0.94.
- 区域细分的DSC为0.83 (CEUS) 和0.86 (B模式).
- 在自动化的CEUS细分和医生估计的MRI体积之间发现了很高的一致性 (R2 = 0.96).
结论:
- 深度学习算法在3D超声波图像的自动前列腺和区域细分方面表现出强的性能.
- 该工具显示了将其集成到前列腺癌计算机辅助诊断系统中的潜力.
