计算机辅助诊断工具,使用深度学习模型,用于基于三维肠直肠超声波的直肠癌的手术前T分期
Xiaoyin Liu1, Ruifei Zhang2, Junzhao Chen1
1Department of Medical Ultrasonics, Biomedical Innovation Center, The Sixth Affiliated Hospital, Sun Yat-sen University, Guangzhou, China.
Abdominal radiology (New York)
|April 30, 2025
概括
一种新的深度学习计算机辅助诊断 (CAD) 工具用于使用三维肠内超声波 (3D-ERUS) 进行直肠癌分期,显著提高了放射科医生在手术前评估中的准确性和一致性.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 准确的手术前评估对于直肠癌患者的预后和治疗至关重要.
- 三维肠直肠超声波 (3D-ERUS) 显示T分期的高精度.
- 深度学习为增强诊断工具提供了潜力.
研究的目的:
- 开发一种使用深度学习的计算机辅助诊断 (CAD) 工具,用于直肠癌的手术前T分期.
- 用3D-ERUS图像来评估CAD工具的诊断性能.
- 评估CAD工具对放射科医生的解释的影响.
主要方法:
- 对216名接受3D-ERUS.com治疗的直肠癌患者进行了回顾性分析.
- 随机分配到培训 (n=156) 和测试 (n=60) 队列中.
- 在测试队列图像上使用或不使用CAD工具对放射科医生的表现的评估.
主要成果:
- 该CAD工具在所有T阶段显示出高的诊断效果,特别是在T1瘤 (AUC,0.85) 中.
- 随着CAD的协助,放射科医生的表现得到了改善:T1瘤的AUC从0.76增加到0.80 (初级放射科医生2).
- 在CAD使用的初级 (0.31至0.64) 和高级 (0.52至0.66) 放射科医生中,诊断一致性 (κ值) 显著改善.
结论:
- 使用3D-ERUS的基于深度学习的CAD工具在直肠癌T阶段测定方面表现强.
- 该CAD工具有可能提高放射科医生的性能和读者间的一致性.
- 这种人工智能工具可以提高直肠癌患者的术前评估准确度.
