基于深度学习 (DL) 的前列腺癌成像方面的进步:基于人工智能 (AI) 的Ga-PSMSA PET的细分用于瘤体积评估

科学领域:

• 核医学和瘤学的核医学和瘤学.
• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能

背景情况:

• Ga-PSMA PET对于前列腺癌 (PC) 管理至关重要,需要精确的瘤体积量化.
• 用于瘤体积评估的手动细分方法是劳动密集型的,容易变化.
• 需要自动化细分来提高PC成像中的效率和可重现性.

研究的目的:

• 审查目前在前列腺癌中使用Ga-PSMA PET评估瘤体积的方法和挑战.
• 探索人工智能 (AI) 在自动化瘤细分方面的作用和潜力.
• 讨论基于人工智能的临床应用细分的优点和局限性.

主要方法:

• 关于Ga-PSMA PET成像和前列腺癌中瘤体积量化的现有文献的综述.
• 讨论传统的手动细分技术及其固有的挑战.
• 基于AI的细分算法的分析,包括深度学习和卷积神经网络,应用于PC成像.

主要成果:

• 基于AI的细分,特别是深度学习,在自动化瘤体积量化方面表现出高准确性和效率.
• 与手动细分相比,人工智能提供了增强的可复制性和更快的处理时间.
• 人工智能在PC治疗规划和响应评估中具有个性化医疗方法的潜力.

结论:

• 基于人工智能的细分为前列腺癌中的Ga-PSMA PET带来了显著的进步,提高了定量准确性和工作流效率.
• 仍然存在挑战,包括需要标准化的协议,广泛的验证和临床工作流集成.
• 在Ga-PSMA PET中广泛采用AI最终将提高PC患者的护理和结果.