使用非增强型MRI诊断盆腔和分骨瘤的端到端深度学习:一项多中心研究
Ping Yin1, Ke Liu2, Runrong Chen3
1Department of Radiology, Peking University People's Hospital, 11 Xizhimen Nandajie, Xicheng District, Beijing, China. yinping915@pku.edu.cn.
NPJ precision oncology
|August 15, 2025
概括
一个新的深度学习模型使用非增强型MRI扫描精确诊断盆腔和圣座瘤. 这种具有成本效益的工具比放射科医生更快,提供可比的诊断性能.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 盆腔和分骨瘤 (PST) 的诊断通常依赖于对比度增强的MRI.
- 非增强型MRI提供了一个潜在的更安全和更具成本效益的替代方案.
- 深度学习 (DL) 在医疗图像分析方面表现有前途.
研究的目的:
- 开发和评估一个端到端的深度学习模型,用于使用非增强型MRI诊断良性和恶性PST.
- 将拟议的DL模型的性能与对比增强MRI和人类放射科医生的性能进行比较.
主要方法:
- 追溯分析了来自四家医院的835名患者的MRI扫描.
- 开发和比较六个DL模型与各种输入源.
- 诊断性能 (AUC,准确性) 和放射科医生读数时间的评估.
主要成果:
- 拟议的模型SEG-CL-NC实现了高诊断准确度 (例如,在内部测试组2上达到0.781).
- 外部数据集的性能与对比度增强模型和放射科医生 (P > 0.05) 的性能相当.
- 与放射科医生相比,SEG-CL-NC模型显著减少了诊断时间 (P < 0.01).
结论:
- 模型SEG-CL-NC的诊断性能与对比度增强的MRI和PST的放射科医生相提并论.
- 该模型为临床使用提供了一个准确,高效和具有成本效益的解决方案.
- 带有DL的非增强型MRI为PST诊断提供了可行的替代方案.
