基于注意力的深度学习网络用于预测世界卫生组织脑膜瘤等级和基-67表达,基于磁共振成像
Xing Cheng1, Huaning Li1, Chen Li2
1Department of Neurosurgery, The First Affiliated Hospital of Nanjing Medical University, Nanjing, China.
European radiology
|August 20, 2025
概括
这项研究开发了一个AI深度学习网络,以准确预测脑膜瘤WHO等级和Ki-67表达从手术前MRI扫描. 自动化系统为精确的治疗计划和患者管理提供了一个非侵入性的解决方案.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 世界卫生组织 (WHO) 对脑膜瘤分级和Ki-67表达的准确手术前评估对于有效的治疗策略至关重要.
- 目前的方法可能缺乏最佳患者管理所需的精度.
研究的目的:
- 开发和验证一个完全自动化的基于注意力的深度学习网络,用于预测世卫组织脑膜瘤分级和Ki-67表达.
- 将深度学习模型的性能与临床和放射学方法进行比较.
主要方法:
- 一项对952名脑膜瘤患者的回顾性研究,使用培训,内部验证和外部测试集.
- 使用没有新Unet (nn-Unet) 和分类模型 (ResNet50,Swin变压器) 的细分网络的开发,并配有注意力机制.
- 深度学习模型与临床和放射学模型进行分级和Ki-67预测的比较.
主要成果:
- 提升注意力的深度学习模型在细分和预测任务中表现出强的表现.
- 对于脑膜瘤等级预测,2.5D ResNet50模型实现了0.90的AUC,显著优于临床和放射学模型.
- 对于Ki-67表达预测,2.5D旋转变压器模型实现了0.89的AUC,也超过了临床和放射学模型.
结论:
- 开发的自动化深度学习网络在预测脑膜瘤WHO等级和Ki-67表达方面表现出卓越的性能.
- 这一新型网络提供了一个非侵入性,客观的工具,以支持精确的临床诊断和治疗规划,为脑膜瘤患者.
