相关实验视频
Updated: Jun 14, 2025
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.4K
实现更可靠的前列腺癌检测:将临床数据和不确定性纳入MRI深度学习中
Kamilia Taguelmimt1, Gustavo Andrade-Miranda2, Hussein Harb1
1LaTIM, UMR1101, INSERM, University of Brest, Brest, France.
Computers in biology and medicine
|June 12, 2025
概括
人工智能 (AI) 可以提高前列腺癌 (PCa) 的诊断. 综合成像和临床数据的双模深度学习模型提高了诊断准确性和预测可靠性,以获得更好的患者护理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 前列腺癌 (PCa) 是男性的主要癌症.
- 准确的诊断对于有效的治疗至关重要.
- 人工智能 (AI) 在改善癌症诊断方面表现有前途.
研究的目的:
- 开发和评估用于PCa检测的深度学习分类方法.
- 将单模模型 (成像或临床数据) 与双模模型进行比较.
- 引入一个AI框架,量化预测不确定性,以提高临床可靠性.
主要方法:
- 开发了使用双参数磁共振成像 (bpMRI) 或临床数据的单模式深度学习模型.
- 创建了一个双模深度学习模型,整合了bpMRI和临床数据.
- 实施了AI预测的不确定性评估框架.
主要成果:
- 双模模型实现了0.82±0.03的AUC,显著优于单模方法.
- 灵敏度达到0.73±0.04,具有很高的特异性.
- 不确定性分析显示,双模模型比仅成像模型 (0.71 准确度) 产生了更有信心的预测 (0.85 准确度).
结论:
- 通过双模深度学习模型整合临床和成像数据,可大大提高PCa诊断性能.
- 人工智能框架通过量化不确定性来提高预测可靠性,这对于临床决策至关重要.
- 这种双模式的方法为诊断前列腺癌的临床应用提供了更可靠,更适合的工具.
更多相关视频
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
145
05:49Use of Magnetic Resonance Imaging and Biopsy Data to Guide Sampling Procedures for Prostate Cancer Biobanking
Published on: October 10, 2019
6.5K
