相关实验视频
Updated: May 11, 2026
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.3K
多任务深度学习神经网络对于诊断临床显著前列腺癌在平坦腹部CTCT中的重要性
Yujun Geng1, Xinlei Zhang1, Ming Zhang2
1Department of Nuclear Medicine, The Affiliated Guangdong Second Provincial General Hospital of Jinan University, Guangzhou, China.
Frontiers in oncology
|May 19, 2025
概括
这项研究表明,使用腹部CT扫描的多任务深度学习模型可以有效地检测早期前列腺癌. 这种方法比现有的早期癌症诊断临床模型提供了更高的诊断性能.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 早期发现临床显著的前列腺癌 (csPCa) 对于降低死亡率至关重要.
- 目前的诊断依赖于MRI和核医学,使腹部CT的作用未得到充分研究.
研究的目的:
- 评估多任务深度学习神经网络的有效性,以使用CT扫描来早期识别前列腺癌.
- 将多任务深度学习模型的诊断性能与放射学和单任务深度学习模型进行比较.
主要方法:
- 基于3DUnet架构的多任务深度学习 (MTDL) 网络被用于分析539名患者的腹部CT图像.
- 将MTDL模型与基于radiomics和ResNet18的单任务深度学习模型进行了比较.
- 使用MTDL模型开发了一种诊断名录,其中包括预测结果,前列腺特异性抗原密度 (PSAD) 和年龄.
主要成果:
- 在MTDL nomogram取得高的诊断性能与AUC为0.941 (培训),0.912 (测试) 和0.932 (验证).
- 与单任务深度学习和放射学模型相比,MTDL模型显示出更高的诊断准确性.
- 腹部CT结合MTDL模型有效诊断了csPCa.
结论:
- 在MTDL nomogram准确地预测前列腺癌使用腹部CT扫描.
- 这种方法为早期诊断前列腺癌提供了重要的价值.
- 在前列腺癌诊断中,MTDL模型是一个有价值的工具.
