人工智能生成的明显扩散系数 (AI-ADC) 地图用于前列腺评估:一个多读者研究
Kutsev Bengisu Ozyoruk1,2, Stephanie A Harmon1,2, Enis C Yilmaz1,2
1Artificial Intelligence Resource, Molecular Imaging Branch, National Cancer Institute, Bethesda, MD, USA.
European radiology
|July 21, 2025
概括
人工智能生成的明显扩散系数 (AI-ADC) 地图在前列腺癌检测中显示出优越的图像质量,而不是标准的ADC地图. 这种AI-ADC技术提供了改进的分界和减少的文物,可能提高诊断准确性.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 前列腺癌的诊断方法 前列腺癌的诊断方法
背景情况:
- 表面扩散系数 (ADC) 地图在使用多参数MRI (mpMRI) 诊断前列腺癌 (PCa) 中至关重要.
- 标准ADC地图中的图像质量限制可能会阻碍准确的解释和诊断.
- 人工智能 (AI) 提高医疗成像质量的潜力是积极研究的一个领域.
研究的目的:
- 将人工智能生成的ADC (AI-ADC) 地图与标准ADC地图的图像质量进行比较.
- 评估AI-ADC地图对读者性能和多读者环境中的诊断信心的影响.
- 评估AI-ADC地图对于前列腺癌检测的临床相关性.
主要方法:
- 一项多读者研究涉及74名患有疑似或确定的PCa的患者,他们接受了mpMRI.
- 四个读者评估了T2W-MRI和标准ADC或AI-ADC地图,分两轮,有洗期.
- 统计分析包括弗莱斯的卡帕,二次加权的科恩的卡帕和线性混合效应模型,以比较地图质量和读者之间的一致性.
主要成果:
- 与标准ADC地图相比,AI-ADC地图显示窗口的方便性,前列腺边界划分以及扭曲和噪声的减少等等级显著更高.
- 人工智能-ADC地图导致所有阅读器的重新获取要求大幅减少,这表明工作流效率有所提高.
- 在AI-ADC和标准ADC地图之间的读者间协议中没有发现显著差异.
结论:
- 与标准ADC地图相比,AI-ADC地图提供更优质的图像质量,包括更好的前列腺边界划分和更少的文物.
- 人工智能ADC地图的增强质量支持它们作为可靠的诊断工具的潜力,特别是在采购ADC地图文物的情况下.
- 人工智能-ADC地图显示,通过mpMRI提高前列腺癌评估的诊断准确性和工作流程效率是有前途的.
更多相关视频
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
380
08:05Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence
Published on: June 10, 2025
670
