基于深度学习的人工智能对放射科医生在识别黑色素1异常时的表现对敏感度图表加权成像的影响
Jiyeon Park1, Chae Young Lim1, So Yeon Won1
1Department of Radiology and Center for Imaging Science, Samsung Medical Center, Sungkyunkwan University School of Medicine, Seoul, Republic of Korea.
Korean journal of radiology
|July 30, 2025
概括
深度学习人工智能 (AI) 软件显著提高了放射科医生的性能,在敏感度图权重成像 (SMwI) 上检测黑色素1异常,特别是对于不那么有经验的读者,有助于诊断帕金森病.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 神经成像是一种神经成像.
背景情况:
- 对敏感性图谱加权成像 (SMwI) 的黑色素1 (N1) 异常是神经退行性疾病的指标.
- 基于深度学习 (DL) 的人工智能 (AI) 提供了提高诊断准确性的潜力.
研究的目的:
- 评估基于DL的AI软件对不同经验水平的放射科医生的诊断性能的影响.
- 评估AI在检测SMwI上的N1异常方面的有效性.
主要方法:
- 一项回顾性病例对照研究分析了139个SMwI扫描 (59名帕金森病患者,80名对照) 使用3TMRI.
- 一个AI模型 (YOLOX和SparseInst) 提供了N1异常评估.
- 四名放射科医生 (两名经验丰富,两名住院医生) 评估了带有和没有人工智能辅助的扫描.
主要成果:
- 人工智能显著提高了大多数读者的诊断性能和特异性.
- 阅读者之间的共识与AI有所改善 (Fleiss' kappa从0.73升至0.87).
- 与经验丰富的读者 (NRI 0.8%) 相比,经验较少的读者显示出更大的诊断改善 (NRI 12.8%).
结论:
- 基于DL的AI提高了SMwI上的N1异常的诊断性能.
- 这项技术特别有利于经验较少的放射科医生,这表明改善帕金森病诊断工作流程的潜力.


