提高前列腺癌分类:多参数核磁共振和深度学习整合的全面审查

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 多参数MRI (mpMRI) 对于前列腺癌 (PCa) 检测至关重要,可能减少不必要的活检.
• 解释前列腺mpMRI是主观和复杂的,随着越来越多的采用提出了挑战.
• 人工智能 (AI),特别是深度学习 (DL),为增强mpMRI分析提供了解决方案.

研究的目的:

• 审查DL分类网络与PCa评估的mpMRI的整合.
• 检查DL网络架构,MRI序列影响,以及结合临床数据的价值.
• 讨论人工智能辅助的预测,模型可解释性和DL系统的临床集成.

主要方法:

• 对前列腺mpMRI数据应用的DL分类网络的审查.
• 对各种网络架构和输入MRI序列的分析.
• 评估结合领域知识和临床信息的策略.

主要成果:

• DL模型可以将良性组织与PCa区分开来,分类疾病的意义,并预测高度癌症.
• DL模型的性能受到MRI序列输入和数据质量的影响.
• 与PI-RADS的比较显示了AI在PCa诊断中的潜力.

结论:

• 基于DL的AI具有显著的潜力,可以提高使用mpMRI检测前列腺癌的准确性和效率.
• 提高模型的可解释性和可解释性是临床信任和采用的关键.
• 人工智能辅助系统可以优化前列腺MRI报告工作流程,解决未来整合的当前局限性.