完全自动的人工智能肝脏解剖细分在结肠直肠肝脏转移的管理

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 人工智能 (AI) 越来越多地应用于医疗图像细分,包括肝癌.
• 在人工智能模型实施中存在一个缺口,用于对结直肠肝转移进行细分,这对于治疗计划至关重要.

研究的目的:

• 实施和评估nnU-Net模型,用于自动细分肝膜,主要血管和结直肠肝转移.
• 评估模型在临床环境中的性能,用于治疗规划.

主要方法:

• 利用了80名患有结直肠肝转移的患者的门阶段腹部CT扫描.
• 在70名患者的数据上训练并测试了nnU-Net模型,用于对外膜,门静脉,肝静脉,静脉和转移的细分.
• 对10名患者的数据进行了外部验证.

主要成果:

• 获得了高的子分数,用于肝脏副体细分 (0.964测试,0.955验证).
• 报告的中线Dice (clDice) 对门静脉 (0.758测试,0.736验证),肝静脉 (0.758测试,0.577验证) 和静脉 (0.805测试,0.734验证) 的得分.
• 获得了0.693 (测试) 和0.61 (验证) 的Dice分数,用于结直肠肝转移细分.

结论:

• nnU-Net模型显示出有前途的细分能力,特别是在肝脏瘤中.
• 这种人工智能工具可以帮助医生根据患者特定的解剖学和疾病程度做出治疗策略决策.
• 建议使用较大的数据集来进一步提高细分性能.