小儿淋巴瘤中的新型成像预测因素:放射学和人工智能. 一个系统的审查

科学领域:

• 医疗成像医学成像
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 形态和分子成像对于儿童淋巴瘤 (PL) 评估至关重要.
• 图像衍生参数,如代谢性瘤体积,具有高度预后性.
• 放射学和人工智能等先进的方法可以增强诊断和预后能力.

研究的目的:

• 系统地审查当前关于放射学和人工智能在儿科淋巴瘤成像中的证据.
• 评估这些先进技术的诊断和预后价值.
• 评估用于PL的PET,CT和MRI数据集中的AI和放射学应用.

主要方法:

• 对2025年3月15日之前发表的原始英语文章进行系统审查.
• 包括关于人工智能或放射学应用在儿科淋巴瘤成像 (PET,CT,MRI) 的研究.
• 提取关键数据,包括研究设计,样本大小和分析方法.

主要成果:

• 包括12项研究:1项是放射学,1项是使用机器学习进行纹理分析,10项是人工智能研究.
• 与手动方法相比,人工智能证明了可靠和更快的自动体积细分.
• 人工智能通过降低辐射剂量来促进图像质量维护,并探索差异诊断和特征稳定性.

结论:

• 儿童淋巴瘤成像中的AI和放射学正在出现,但非常有前途.
• 这些技术可以自动提取关键诊断参数,如瘤体积.
• 人工智能和放射学为显著减少辐射剂量,同时保持图像质量提供了潜力.