相关实验视频
Updated: Jan 12, 2026
08:21
Use of 3D Robotic Ultrasound for In Vivo Analysis of Mouse Kidneys
Published on: August 12, 2021
4.0K
基于人工智能的细分小质:一个多中心,多扫描仪,多序列的研究
Mengqiu Cui1, Zilong Zeng2, Silu Chen3
1Department of Radiology, First Medical Center, Chinese PLA General Hospital, Beijing, China.
Abdominal radiology (New York)
|October 31, 2025
概括
一种基于人工智能的自动细分方法显示,它可以在各种MRI数据中检测和细分小质 (SRM). 这种人工智能工具实现了高精度和良好的概括性,这表明它在未来的诊断管道中具有实用性.
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:
- 小型质 (SRMs) 需要准确的检测和细分,以进行有效的诊断和治疗计划.
- 当前的细分方法可能耗时且依赖于运营商.
- 不同的MRI扫描仪和中心之间的标准化仍然是一个挑战.
研究的目的:
- 开发和评估基于人工智能 (AI) 的SRM自动化细分方法.
- 使用多中心,多扫描仪和多序列MRI数据评估AI方法的性能.
- 确定AI方法对未见的数据和不同类型的扫描仪的概括能力.
主要方法:
- 追溯分析了来自三个中心的988个病理确认的SRM患者的MR图像.
- 为每个MRI序列开发基于深度学习的细分网络.
- 使用内部,外部和泛化测试集进行评估,评估检测率和子相似系数 (DSC).
主要成果:
- 人工智能方法在GE测试组的所有患者中实现了SRM的高检测率.
- 在GE扫描仪的5个MRI序列中,中位数DSC范围从0.769-0.855不等.
- 观察到对非GE扫描仪的合理概括,中位数DSC在0.523-0.785.5之间.
结论:
- 基于人工智能的自动化细分在检测和细分SRM方面取得了令人鼓舞的结果.
- 该方法显示了在各种患者队列,扫描仪和中心中准确和一致的性能潜力.
- 这种人工智能工具可以成为未来SRM诊断工作流程中宝贵的组成部分.
