通过Image2Radiomics框架确保可重现性和部署模型:对PanNET模型性能图像处理的评估
Florent Tixier1, Felipe Lopez-Ramirez1, Emir A Syailendra1
1The Russell H. Morgan Department of Radiology and Radiological Science, School of Medicine, Johns Hopkins University, Baltimore, MD 21205, USA.
Cancers
|August 14, 2025
概括
可重现的图像处理对于检测胰腺神经内分泌瘤 (PanNETs) 的放射学模型至关重要. 新的Image2Radiomics框架增强了这些AI工具的标准化和临床部署.
科学领域:
- 无线电学 (Radiomics) 是一种无线电学.
- 医疗成像医学成像
- 在瘤学中使用人工智能
背景情况:
- 图像处理的可变性挑战了放射学模型的临床部署.
- 对于医疗诊断中可靠的人工智能 (AI) 工具而言,可重复性至关重要.
研究的目的:
- 评估图像处理对经验证的胰腺神经内分泌瘤 (PanNET) 检测模型的影响.
- 介绍Image2Radiomics,这是一个用于可复制放射学图像处理的新框架.
主要方法:
- 从CT图像中使用Image2Radiomics重新提取了放射性特征.
- 评估了九个图像处理管道改变对模型性能的影响.
- 使用概率差异和分类分歧的量化预测差异.
主要成果:
- 图像2Radiomics成功复制了参考PanNET模型 (科恩的卡帕=1).
- 图像处理变化显著降低了模型性能 (AUC从0.87降至0.71).
- 在多达45%的患者中,预测出现了分歧,轻微的变化导致了多达21%的分歧.
结论:
- 标准化图像处理管道对于放射学可重现性和临床采用至关重要.
- Image2Radiomics框架提供了一个标准化的方法来定义和共享处理管道.
- 这一框架有助于在临床和多中心环境中部署强大的放射学模型.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
676
