建立和评估基于nnU?Net深度学习网络方法的初级中枢神经系统淋巴瘤的自动多序MRI细分模型
Tao Wang1, Xingru Tang2, Jun Du3
1Department of Hematology, West China Hospital, Sichuan University, Chengdu, Sichuan 610041, P.R. China.
Oncology letters
|May 22, 2025
概括
这项研究介绍了一种AI深度学习模型,用于在MRI扫描上对初级中枢神经系统淋巴瘤 (PCNSL) 的细分. 人工智能模型准确量化瘤体积,有助于治疗规划和预后.
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:
- 使用加多对比MRI对初级中枢神经系统淋巴瘤 (PCNSL) 的准确定量评估对于治疗计划,监测和预后至关重要.
- 传统的2D测量和MRI手动体积评估对PCNSL量化提出了挑战.
研究的目的:
- 为PCNSL开发一种多式人工智能深度学习细分模型.
- 解决MRI中传统手动细分方法的局限性.
主要方法:
- 使用3D卷积深度神经网络进行了瘤组件的自动化voxel-wise细分.
- 分析了来自六个医疗中心的49名病理确认的PCNSL患者的数据.
- 该模型的效率,一致性和准确性与传统方法相比,使用子相似系数 (DSC) 进行了评估.
主要成果:
- 人工智能模型表明,与手动细分相比,高空间重叠和类似的瘤体积.
- T1加权成像 (T1WI) 序列显示出最佳性能,测试Dice的得分为0.830.
- T2加权成像 (T2WI) 序列的表现相对较差,测试Dice的得分为0.647.
结论:
- 为PCNSL开发的自动多序MRI细分模型显示了显著的潜力.
- 该模型的高空间重叠比率和可比的瘤体积表明其在临床实践中的实用性.
- 这种人工智能方法为提高MRI中PCNSL评估提供了一个有希望的工具.
