基于人工智能的肺结节的自动匹配在后续的胸部CT CT上

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 医学成像分析 医学成像分析

背景情况:

• 在监测肺结节时,对连续成像的需求越来越大,因此需要有效的评估工具.
• 人工智能 (AI) 为自动化节点跟踪和随时间推移进行比较提供了潜在的解决方案.

研究的目的:

• 评估基于人工智能的系统在连续胸部计算机断层扫描 (CT) 扫描中自动匹配肺结节的性能.
• 确定自动结节匹配的准确性,并确定影响其性能的因素.

主要方法:

• 对患有肺结节的患者进行了回顾性分析,这些患者接受了多达两次胸部CT扫描.
• 人工智能算法用于自动检测和匹配结节.
• 该研究侧重于基线CT中最大的十个结节 (5-30毫米),评估匹配率和差异原因.

主要成果:

• 人工智能系统实现了总体正确的结节检测和匹配率为87.2%的1,105个已识别的结节.
• 当考虑在基线和随访扫描中存在的结节时,匹配率增加到97.8%.
• 匹配的准确性受到结节的局部影响,与柔合性结节相比,细胞和外周结节的比率更高,并且减少了50多个结节.

结论:

• 人工智能算法在匹配肺结节方面表现出高精度,性能因结节位置和数量而异.
• 这种人工智能系统有望在后续成像中标准化和提高肺结节评估的准确性.
• 了解与结节特征相关的算法的局限性对于在固体瘤反应评估中有效的临床应用至关重要.