在放射性瘤学中自动化瘤轮的语言视觉模型方法
Yi Luo1, Hamed Hooshangnejad1,2, Xue Feng3
1Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD 21287, USA.
Bioengineering (Basel, Switzerland)
|August 28, 2025
概括
瘤轮辅导 (OCC) 系统使用人工智能和瘤专家的专业知识来改善肺癌瘤的划线. 这种人工智能工具显著减少了放射治疗规划中的假阳性,提高了癌症护理的效率.
科学领域:
- 医学成像和辐射瘤学
- 医疗保健中的人工智能
- 自然语言处理和计算机视觉
背景情况:
- 肺癌是全球癌症死亡的主要原因.
- 精确的瘤划定用于放射治疗是复杂的,在资源贫乏的环境中通常是有限的.
- 现有的人工智能解决方案在医学图像分析中面临着高假阳性率的挑战.
研究的目的:
- 开发瘤轮辅导 (OCC) 系统以提高瘤划分的准确性.
- 将瘤学专业知识与人工智能结合起来, 实现高效准确的瘤工作流程.
- 通过人工智能与人类的协作减少放射治疗规划中的错误阳性.
主要方法:
- 使用像GPT-4V这样的语言视觉模型 (LVMs) 来自动地从CT扫描中划出瘤.
- 将文字描述与视觉数据相结合,以减少错误的阳性.
- 在AI框架内利用专家瘤学家的知识.
主要成果:
- 在错误发现率下降了35%.
- 显示每次扫描的错误阳性减少了72.4%.
- 在瘤划分准确度方面获得F1评分为0.652.
结论:
- 该系统代表了瘤治疗的重大进步,特别是在放射治疗规划方面.
- LVM和新型提示技术有效地减少AI幻觉并提高轮准确性.
- OCC提供了一个可扩展的框架来简化辐射瘤学的工作流程和减少手工流程.
更多相关视频
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
2.9K
03:55Computer-Aided Three-Dimensional Visualization in the Treatment of Locally Advanced Thyroid Cancer
Published on: June 9, 2023
620
