在CT成像中使用AI对狗肺部质量的自动细分使用AI成像

科学领域:

• 兽医辐射学 兽医辐射学
• 人工智能在医学中的应用
• 狗类瘤学 狗类瘤学

背景情况:

• 狗的原发性肺癌并不常见,需要先进的成像技术来诊断.
• 在CT扫描上手动细分肺病变是劳动密集型的,容易引起观察者之间的变化.
• 准确的细分对于治疗计划和监测犬肺癌至关重要.

研究的目的:

• 开发和评估一种人工智能 (AI) 模型,用于自动细分狗的初级肺部质量.
• 在多中心数据集上使用定量指标评估AI模型的性能.
• 确定影响人工智能模型对狗肺癌细分精度的因素.

主要方法:

• 编制了一套追溯的多中心数据集,包括217个肺部质量 (>2厘米) 的狗CT扫描.
• 病变被手动细分,以创建地面真相数据.
• 一个AI模型 (nnUNet v2框架) 经过5倍交叉验证进行训练和验证,然后在30次扫描中进行测试.

主要成果:

• 人工智能模型在测试组中实现了高细分精度,平均子相似系数 (DSC) 为0.91.
• 平均对称表面距离 (ASSD) 为1.88毫米,表明了精确的边界划分.
• 性能对于均的,明确的质量是最佳的; 损伤内矿化和膜溢出对准确性产生了负面影响.

结论:

• 开发的AI模型显示出高精度和潜力,可以在犬类CT成像中自动化肺质量细分.
• 这种自动化方法可以显著减少与兽医瘤学手动细分相关的时间和变异性.
• 可能需要进一步细化,以应对复杂的损伤特征,如矿物化或相关溢出所带来的挑战.