开发和验证一个卷积神经网络,用于自动区分初级中枢神经系统淋巴瘤和质母细胞瘤
Qiang Ji1,2, Zixuan Yang1,2, Lili Zhou1
1Department of Neuro-Oncology, Cancer Center, China National Clinical Research Center for Neurological Diseases, Beijing Tiantan Hospital, Capital Medical University, Beijing, China.
概括
一个深度学习模型准确地区分了初级中枢神经系统淋巴瘤 (PCNSL) 和质母细胞瘤 (GBM). 这种人工智能工具有助于对脑瘤进行差异诊断,改善治疗选择.
科学领域:
- 神经瘤学神经瘤学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 主要中枢神经系统淋巴瘤 (PCNSL) 和质母细胞瘤 (GBM) 是不同的恶性脑瘤.
- 准确的区分对于有效的治疗策略至关重要.
研究的目的:
- 开发和验证一个深度学习模型,用于PCNSL和GBM之间的自动区分.
- 评估模型在临床决策支持方面的表现.
主要方法:
- 开发了一个3D DenseNet264卷积神经网络 (CNN).
- 该模型在141名患者 (天津医院) 的T1Gd-MRI数据上进行了训练和验证.
- 外部验证使用RSNA和Tiantan医院早期患者的数据集进行.
主要成果:
- 德森网264实现了高性能:AUC为0.98 (培训) 和0.90 (验证).
- 在外部验证数据集中观察到一致的性能 (C统计:0.77).
- 该模型展示了PCNSL与GBM的强大的分类能力.
结论:
- 一个经过验证的深度学习模型可以准确地区分PCNSL和GBM.
- 这种人工智能工具为差异诊断提供了可靠,高效和成本效益的解决方案.
- 该模型作为一种有价值的临床决策支持工具.
更多相关视频
11:15Stereotactic Adoptive Transfer of Cytotoxic Immune Cells in Murine Models of Orthotopic Human Glioblastoma Multiforme Xenografts
Published on: September 1, 2018
8.3K
08:58Label-Free Identification of Lymphocyte Subtypes Using Three-Dimensional Quantitative Phase Imaging and Machine Learning
Published on: November 19, 2018
13.0K
