使用腹部超声波扫描自动化前列腺体积获取前列腺特异性抗原密度计算

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 目前的前列腺癌查方法面临诸多挑战,包括高成本,低检测率,需要专家和侵入性.
• 现有方法的局限性阻碍了有效的全民前列腺癌查.
• 腹部超声波 (AUS) 与机器学习 (ML) 结合,为克服这些缺点提供了一个潜在的解决方案.

研究的目的:

• 为了比较一个最先进的ML模型与专家和实习放射科医生的性能,在估计使用AUS.
• 评估ML驱动的前列腺体积估计用于前列腺癌检测的准确性和一致性.

主要方法:

• 开发了一种新的ML模型,用前列腺圆公式从两个正交的AUS图像计算前列腺体积.
• ML模型的性能与一名专家放射科医生和多名具有不同经验水平的实习生注册人员进行了基准测试.
• 使用腹部超声波扫描进行前列腺体积估计,适合初级保健机构,操作人员经验最小.

主要成果:

• 无论是ML模型还是实习生注册器,都与专家放射科医生的测量结果有很高的相关性.
• 在准确性方面,ML模型显著超过了实习生注册人员,显示了最低的平均体积误差.
• 与实习者相比,ML模型也显示出更高的一致性,这是体积测量的最低四分位数间范围和平均标准偏差所证明的.

结论:

• 使用AUS基于ML的前列腺体积估计是一种有希望,准确和一致的方法.
• 这项技术有可能促进自动化前列腺癌查工作流程的开发.
• 这些发现表明,在未来,可访问的初级保健机构可以为广泛的前列腺癌查做出贡献.