相关实验视频
Updated: Jul 30, 2026
Induction of Experimental Autoimmune Hypophysitis in SJL Mice
Published on: December 17, 2010
完全自动分类的垂体腺瘤的垂体腺瘤
Raffaele Da Mutten1, Olivier Zanier1, Massimo Bottini1
1Machine Intelligence in Clinical Neuroscience & Microsurgical Neuroanatomy (MICN) Laboratory, Department of Neurosurgery, Clinical Neuroscience Center, University Hospital Zurich, University of Zurich, Zurich, Switzerland.
这项研究开发了一种自动机器学习方法,用于苏黎世垂体得分 (ZPS) 预测垂体腺瘤切除. 自动ZPS评级表现良好,为经验较少的评级人员提供了客观的替代方案.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 神经外科 神经外科
背景情况:
- 苏黎世垂体得分 (ZPS) 是一个经过验证的放射学分级尺度,用于预测垂体腺瘤的总切除 (GTR).
- 在MRI上使用瘤直径,关节间距离和关节动脉包围来计算ZPS.
- 虽然ZPS的观察者间协议是好的,但自动化是可取的.
研究的目的:
- 开发和验证基于机器学习的方法,用于自动化的苏黎世垂体得分 (ZPS) 评分.
- 评估自动ZPS分级系统在预测垂体腺瘤的GTR方面的性能.
主要方法:
- 训练了一种nnU-Net算法,用于细分垂体瘤和内动脉.
- 抽取了瘤直径和心血管间距离,并使用种子生长算法评估了心血管包围.
- 该自动化系统在213个病例中进行了训练和测试.
主要成果:
- 自动化系统实现了强大的细分性能,子得分为瘤的0.79左右,动脉的0.59-0.62.
- 对于自动测量 (心膜间距离,瘤直径,ZPS比率) 的类内相关系数在0.80到0.91.9之间.
- 科恩对最终ZPS评级的加权卡帕是0.79,斯皮尔曼的等级相关性是0.83,表明了良好的协议.
结论:
- 基于机器学习的自动ZPS分级方法成功开发并内部验证.
- 自动评分系统表现出强的性能,提供了一个客观的替代方案,特别是对于经验较少的评分员来说.
- 虽然在某些情况下,人类评级仍然优越,但自动化方法为ZPS评估提供了有价值的工具.
更多相关视频
07:43Endoscopic Endonasal Trans-sphenoidal Approach: Minimally Invasive Surgery for Pituitary Adenomas
Published on: January 17, 2018
12:34Two-dimensional Gel Electrophoresis Coupled with Mass Spectrometry Methods for an Analysis of Human Pituitary Adenoma Tissue Proteome
Published on: April 2, 2018
