相关实验视频
Updated: Jan 10, 2026
07:17
An Orthotopic Resectional Mouse Model of Pancreatic Cancer
Published on: September 24, 2020
12.1K
深度学习模型用于在胰腺二切除和远距离胰腺切除后剩余胰腺的体积测量
Young Jae Kim1, Juhui Lee2, Yeon-Ho Park3
1Gachon Biomedical & Convergence Institute, Gachon University Gil Medical Center, Incheon 21565, Republic of Korea.
Diagnostics (Basel, Switzerland)
|November 27, 2025
概括
一个新的深度学习模型准确地对手术后剩余的胰腺进行细分. 这种自动化工具有助于评估胰腺功能和长期患者管理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 手术瘤学手术瘤学
背景情况:
- 在胰腺切除术后,准确的剩余胰腺体积对于评估内分泌和外分泌功能至关重要.
- 手术后的解剖变异和复杂的形态对手工体积测量提出了挑战.
- 深度学习 (DL) 为自动化和精确的胰腺细分提供了潜力.
研究的目的:
- 开发和验证基于DL的模型,用于剩余胰腺的自动细分和体积测量.
- 为了比较各种DL架构的性能,包括卷积和基于变压器的模型.
- 用腹部CT图像来评估模型的准确性.
主要方法:
- 分析了1067张CT扫描 (胰腺双管切除术) 和512张扫描 (远距离胰腺切除术).
- 由多名专家手动划分地面真相面具.
- 培训和比较六个3D细分模型 (U-Net变体和基于变压器的模型).
- 使用五倍交叉验证和子相似系数 (DSC) 的评估.
主要成果:
- 其余密度U-Net显示出强的表现 (DSC 0.7655,0.8086).
- 基于变压器的Swin U-Net实现了略高的DSC (0.7787,0.8132).
- DL模型在细分精度上显示了统计学上显著的改进.
结论:
- 基于DL的方法提供了准确和可重现的术后胰腺细分和体积.
- 自动体积评估可以客观地评估剩余的胰腺功能.
- 这项技术可以支持胰腺切除术后的长期临床管理的预测建模.
