一个基于多模式对比增强超声波动态视频的新型深度学习模型,用于预测皮质甲状腺癌中的隐性淋巴结转移
Rongwei Liu1,2, Fengqin Yuan1, Biaoyang Wang1
1Department of Medical Ultrasound, The First Affiliated Hospital of Gannan Medical University, Ganzhou, Jiangxi, China.
Frontiers in endocrinology
|August 8, 2025
概括
使用2D和对比增强超声波 (CEUS) 的新深度学习视频模型在手术前有效预测乳头甲状腺癌 (PTC) 患者的淋巴结转移. 综合模型显示,对预测癌症传播的准确度和灵敏度有所提高.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 乳头甲状腺癌 (PTC) 是最常见的甲状腺癌类型.
- 精确的淋巴结转移 (OLNM) 的术前预测对于在PTC中有效的治疗计划至关重要.
- 目前的成像方法在精确识别OLNM方面存在局限性.
研究的目的:
- 评估一种多式联络深度学习视频模型,用于预测PTC患者的OLNM.
- 评估结合2D超声波和对比增强超声波 (CEUS) 动态视频数据的价值.
- 为此预测任务比较不同深度学习架构的性能.
主要方法:
- 对396例临床淋巴结阴性PTC病例的回顾性分析.
- 深度学习静态图像 (DL_image),CEUS动态视频 (DL_CEUSvideo) 和组合 (DL_combined) 模型的开发.
- 使用接收器操作特征曲线 (AUC) 下的面积,灵敏度,特异性和精度进行性能评估.
主要成果:
- DL_CEUSvideo模型实现了0.826 (训练) 和0.701 (测试) 的AUC.
- 该DL_image模型实现了0.759 (训练) 和0.624 (测试) 的AUC.
- DL_combined模型表现出优异的性能,AUC为0.926 (训练) 和0.734 (测试),显著提高了灵敏度 (0.818训练,0.704测试) 和特异性 (0.902训练,0.663测试).
结论:
- 一个多式深度学习动态视频模型可以有效地预测PTC患者在手术前的OLNM.
- DL_CEUS视频模型优于DL_image模型.
- DL_combined模型显著提高了预测性能,特别是灵敏度,而不会影响特异性.
