使用3D深度学习和超声波视频片段进行前列腺癌分类:一项多中心研究
Wenjie Lou1, Peizhe Chen2, Chengyi Wu3
1Department of Intervention, Affiliated Dongyang Hospital of Wenzhou Medical University, Dongyang, Zhejiang, China.
Frontiers in oncology
|July 14, 2025
概括
使用跨直肠超声波 (TRUS) 视频剪辑的深度学习模型在预测前列腺癌方面表现有前途. 与其他AI和人类诊断相比,膨胀的3DConvNet (I3D) 模型显示出更高的准确性.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 前列腺癌的诊断依赖于各种成像方式.
- 跨直肠超声波 (TRUS) 在前列腺检查期间提供实时成像.
- 为TRUS分析开发精确的AI工具可以提高诊断效率.
研究的目的:
- 用TRUS视频片段评估深度学习模型在预测前列腺癌方面的有效性.
- 将深度学习模型的性能与其他人工智能模型和人类专家诊断进行比较.
主要方法:
- 从815个男性中手动细分TRUS视频剪辑.
- 开发和内部验证一个深度学习膨胀的3D ConvNet (I3D) 模型.
- 在两个独立的测试集上进行外部验证,并与ResNet 50,ML模型和声学家进行比较.
主要成果:
- 在内部和外部测试集中,I3D模型实现了诊断分类AUC> 0.86.
- I3D在灵敏度,特异性和准确性方面表现出卓越的一致性 (kappa > 0.62).
- 在前列腺癌预测方面,I3D模型明显优于其他人工智能模型和声学家 (p<0.05).
结论:
- 深度学习模型,特别是I3D模型,是使用TRUS视频片段对前列腺癌的分类和预测有价值的工具.
- I3D模型显示了提高前列腺癌检测诊断准确性和一致性的潜力.
