深度学习和放射学驱动的算法用于在伊利亚克CTV成像中自动识别梅-瑟纳综合征
Lufeng Chen1, Dong-Lin Li1, Hua-Feng Zheng1
1Department of Thoracic and Cardiovascular Surgery, The Second Affiliated Hospital of Fujian Medical University, Quanzhou, Fujian, China.
Frontiers in medicine
|May 14, 2025
概括
这项研究开发了一种自动化的深度学习和放射学模型,用于从阴茎 CTV 扫描中检测梅-瑟纳综合征 (MTS),从而在细分和诊断方面获得高精度.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 放射学 放射学是一门学科.
背景情况:
- 梅-瑟纳综合征 (MTS) 诊断可能具有挑战性.
- 需要自动检测方法来提高效率和准确性.
研究的目的:
- 为了创建一个数据集的Iliac CTV扫描的梅-瑟纳综合征 (MTS) 检测.
- 开发一个自动化的细分模型,用于Iliac 静脉 CTV 扫描.
- 构建一个放射性签名用于MTS诊断.
主要方法:
- 收集了490个Iliac Vein CTV扫描的数据集,并匿名化.
- 一个深度学习模型 (UPerNet) 用于自动细分.
- 放射性特征被提取出来,以建立一个诊断放射性签名.
主要成果:
- 细分模型实现了0.925.9的子系数.
- 放射性签名显示出强大的诊断能力,AUC为0.891 (训练) 和0.892 (验证).
- 该模型在区分MTS病例方面表现出高准确度.
结论:
- 该研究提出了使用深度学习和放射学来进行MTS检测的全面自动化方法.
- 开发的模型显示了在诊断MTS的非侵入性临床实用性的潜力.
更多相关视频
04:23A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
Published on: April 21, 2023
1.7K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
