对前列腺癌分类的多模式深度学习和机器学习融合技术的系统审查

科学领域:

• 癌症学
• 人工智能
• 医学成像

背景情况:

• 前列腺癌是全球男性癌症死亡的主要原因.
• 目前的诊断方法 (PSA测试,DRE,mpMRI) 在准确性和一致性方面存在局限.
• 多模式数据融合为提升前列腺癌分类提供了有前途的途径.

研究的目的:

• 审查前列腺癌分类的最先进的深度学习 (DL) 和机器学习 (ML) 融合技术.
• 分析这些融合方法的实施,性能,挑战和临床适用性.
• 提供人工智能驱动前列腺癌诊断的最新进展.

主要方法:

• 按照PRISMA指南进行系统审查.
• 从最初的131项研究中,确定和分析了2021-2025年间发表的27项研究.
• 提取有关输入技术,DL架构,性能指标和验证策略的数据.

主要成果:

• 早期与卷积神经网络的融合是主要的整合技术.
• 临床和成像数据是最常用的方法.
• 在前列腺癌分类中,多模式DL/ ML融合与单模式方法相比表现优异.

结论:

• 多模式DL和ML融合在前列腺癌分类方面取得了重大进展.
• 这些综合方法显示出克服传统诊断方法局限性的潜力.
• 进一步的研究和验证对于前列腺癌诊断的广泛临床采用至关重要.