自动预测口腔舌状细胞癌的侵袭深度,使用多模式回归网络融合先前的文本和解剖学知识
Jiangchang Xu1, Weiqing Tang2, Pheng-Ann Heng3
1Institute of Biomedical Manufacturing and Life Quality Engineering, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200241, China; Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong Special Administrative Region of China.
Medical image analysis
|October 7, 2025
概括
一个人工智能算法使用多式核磁共振和解剖学知识准确预测口腔舌状细胞癌 (OTSCC) 侵袭深度 (DOI),改进了手工手术规划方法.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 口腔舌状细胞癌 (OTSCC) 是一种普遍存在的口腔癌.
- 侵入深度 (DOI) 对于OTSCC分期,转移风险和预后至关重要.
- 目前基于MRI的DOI测量是主观的,需要专业知识.
研究的目的:
- 开发一种自动化算法,使用多式回归来预测OTSCC DOI.
- 为了克服手动DOI测量在MRI中的局限性.
- 加强OTSCC的手术前手术规划.
主要方法:
- 利用3D nnUNet在多式联络MRI上进行自动OTSCC细分.
- 开发了一种自动DOI测量,将地标检测和解剖关系结合起来.
- 将细分,地标和文本priors合并到一个多式联网回归网络中.
主要成果:
- 取得的MAE为2.11毫米,RMSE为2.97毫米,MSE为8.81毫米2.
- 与病理基础真相 (PCC=0.869) 具有很高的一致性.
- 超过了住院医生和经验丰富的放射科医生的手动测量.
结论:
- 拟议的AI方法提供了准确而稳定的OTSCC DOI预测.
- 这种自动化方法显示出在外科手术规划中临床应用的巨大潜力.
- 该算法超越了现有的最先进的方法和手工估计.
更多相关视频
12:03Multi-photon Imaging of Tumor Cell Invasion in an Orthotopic Mouse Model of Oral Squamous Cell Carcinoma
Published on: July 25, 2011
19.9K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
489