用人工智能技术对肉瘤的识别和分级进行新的评估
Arnar Evgení Gunnarsson1, Simona Correra2, Carol Teixidó Sánchez1
1Institute of Biomedical and Neural Engineering, Reykjavik University, 102 Reykjavik, Iceland.
Diagnostics (Basel, Switzerland)
|July 12, 2025
概括
使用放射学和机器学习 (ML) 的人工智能 (AI) 显示出对肉瘤诊断的前景. 波形变换显著提高了基于MRI的分类准确性,用于检测癌细胞和分类瘤.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 瘤是一种罕见的,异质的恶性瘤,带来了诊断和分级的挑战.
- 目前的诊断方法依赖于活检和成像的主观,耗时的解释.
- 观察者之间的变化影响了传统的肉瘤诊断和分级的可靠性.
研究的目的:
- 探索人工智能 (AI),特别是放射学和机器学习 (ML),用于使用MRI进行肉瘤诊断和分级.
- 评估定量成像特征的实用性,包括纹理分析,用于对健康与病态组织进行分类.
- 评估ML模型在根据法国FNCLCC系统对肉瘤进行分类时的性能.
主要方法:
- 从原始和波形转换的MRI扫描中提取定量放射性特征.
- 包括一级统计和纹理描述器 (GLCM,GLSZM,GLRLM,NGTDM) 在内.
- 机器学习模型的训练用于二元分类 (健康与病态) 和FNCLCC等级分类.
主要成果:
- 健康与病变组织的二元分类实现了76.02%的准确性.
- FNCLCC等级分类达到57.6%的准确率.
- 磁力共振成像的波形变换显著提高了这两项任务的分类性能.
结论:
- 结合多个放射性特征可以提高肉瘤分类的准确性.
- 波形图像转换对于提高基于人工智能在肉瘤中的诊断性能是有价值的.
- 人工智能驱动的放射学具有开发决策支持系统的潜力,以帮助临床医生诊断肉瘤.
