深度学习可以预测CT图像中的胰腺外围神经侵入
Zhenghua Cai1, Liwen Zou2, Qi Li3
1Department of Pancreatic and Bariatric Surgery, Nanjing Drum Tower Hospital, The Affiliated Hospital of Nanjing University Medical School, Nanjing City, Jiangsu Province, China.
Annals of medicine
|December 13, 2025
概括
胰腺外围神经侵袭 (EPNI) 是胰腺癌的一个不良预后因素. 一个新的深度学习模型自动对神经进行细分并诊断EPNI,显示了这种不利的预后因素的有希望的准确性.
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:
- 胰腺外围神经侵袭 (EPNI) 是胰腺导管腺癌 (PDAC) 的一个显著的不良预后因素.
- EPNI与积极的切除边缘有关,使手术结果复杂化.
- 准确识别EPNI对于患者管理和治疗规划至关重要.
研究的目的:
- 开发一种自动化的深度学习模型,用于细分胰腺外神经.
- 创建一个基于细分神经结构的EPNI诊断模型.
- 评估模型在PDAC患者的回顾性队列中的表现.
主要方法:
- 从332名PDAC患者 (2018年8月至2022年12月) 的增强型CT扫描进行回顾性分析.
- 利用nnUNet和注意力机制来对胰腺外神经复合体进行细分.
- 采用了EPNI诊断的2D分类器,使用子相似系数 (DSC) 和ROC曲线进行验证.
主要成果:
- 该模型在主要动脉周围的神经细分方面实现了适度的DSC (例如,SMA68.2%).
- 在训练组中,EPNI诊断模型表现良好,准确度为0.797,AUC为0.8.
- 验证组结果显示EPNI诊断的准确度为0.72和AUC为0.85.
结论:
- 一个完全自动的深度学习模型用于神经分割和EPNI诊断是一个新且有前途的工具.
- 开发的模型显示了在PDAC中改善EPNI识别的潜力.
- 需要进一步的研究来提高模型性能和临床适用性.
