通过对比增强的基于美国的深度学习模型来改善肝脏内胆管癌的检测
WenZhen Ding1, Bing Li1, Ling Zhao1
1National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China.
Radiology. Imaging cancer
|November 14, 2025
概括
使用对比度增强超声波 (CEUS) 的深度学习 (DL) 模型显示,肝脏内胆固醇癌 (iCCA) 的高级放射科医生的诊断性能与高级放射科医生的诊断性能相当. 这种人工智能工具显著提高了不那么有经验的放射科医生的诊断准确性.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 肝胆瘤学 肝胆瘤学
背景情况:
- 肝脏内胆管癌 (iCCA) 的诊断严重依赖于成像.
- 对比增强超声波 (CEUS) 提供了宝贵的见解,但需要专家的解释.
- 深度学习 (DL) 有潜力提高医学成像中的诊断准确性.
研究的目的:
- 开发和评估使用CEUS数据的DL模型,以改善iCCA诊断.
- 将DL模型的诊断性能与人类放射科医生的诊断性能进行比较.
- 评估DL辅助口译对放射科医生的表现的影响.
主要方法:
- 从多个中心进行的1148次CEUS检查的回顾性分析 (2017年7月至2023年12月).
- 四个DL算法 (BNInception,MobileNet-v2,ResNet-50,VGG-19) 的培训和验证. 这些算法包括:
- 使用两个测试组进行外部验证,包括与CEUS和MRI放射科医生进行比较.
主要成果:
- 在最初的测试中,ResNet-50 DL模型获得了最高的性能 (AUC,0.92).
- 该DL模型的诊断性能与高级CEUS (AUC,0.91) 和MRI放射科医生 (AUC,0.91) 的诊断性能相似.
- DL辅助显著改善了初级 (AUC 0.72~0.89) 和中级 (AUC 0.78~0.90) CEUS放射科医生的表现.
结论:
- 基于CEUS的DL模型显示了iCCA的专家级诊断性能.
- DL模型是增强放射科医生的能力的宝贵工具,特别是对经验较少的从业者来说.
- 这种人工智能方法有望提高肝胆瘤学诊断工作流程.
