使用CNN模型对宫淋巴结转移的智能诊断
1The State Key Laboratory of Oral & Maxillofacial Reconstruction and Regeneration, Key Laboratory of Oral Biomedicine Ministry of Education, Hubei Key Laboratory of Stomatology, School & Hospital of Stomatology, Wuhan University, Wuhan, China.
Journal of dental research
|April 24, 2025
概括
一个新的AI模型使用CT扫描准确地识别了口腔癌患者的转移性淋巴结. 这种工具有助于放射科医生,提高诊断准确度,并可能减少癌症复发.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 淋巴结转移是口腔状细胞癌 (OSCC) 复发的主要驱动因素.
- 在OSCC患者中精确识别转移性淋巴结 (LNs+) 是临床上具有挑战性的.
研究的目的:
- 预期评估一个卷积神经网络 (CNN) 模型,用于识别OSCC宫LN+在对比增强计算机断层扫描 (CECT) 上.
- 评估CNN模型的诊断性能与人类专家相比,以及其协助放射科医生的潜力.
主要方法:
- 一个CNN模型在之前的OSCC患者的8,380张CET图像上接受了训练.
- 预期验证涉及354名OSCC患者的17777张手术前CECT图像.
- 模型预测与病理学报告和人类专家诊断 (放射科医生,外科医生,学生) 相比较.
主要成果:
- 在识别LN+时,CNN模型实现了高灵敏度 (81.89%) 和特异性 (99.31%).
- 模型准确度 (76.19%) 超过了外科医生和学生,与放射科医生相比.
- 使用CNN模型的放射科医生比单独使用该模型或没有其帮助而取得更高的诊断准确性.
结论:
- 在检测OSCC患者的宫LN+时,CNN模型的准确性与放射科医生相美.
- 人工智能工具有可能显著帮助放射科医生,提高OSCC分期和治疗计划的诊断准确度.
