在MRI上尿道轮:多学科共识教育图书馆和人工智能基准测试的参考标准
Yuze Song1, Lily Nguyen2, Anna M Dornisch3
1Department of Radiation Medicine and Applied Sciences, University of California San Diego, La Jolla, CA, USA; Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, CA, USA.
一个新的AI模型在前列腺癌治疗计划中准确地对尿道进行细分,在关键指标上表现优于医生. 该工具提供可靠的尿道细分,以改善放射治疗规划和剂量毒性研究.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 精确的尿道识别对于前列腺癌治疗至关重要,但对医生来说具有挑战性.
- 现有的自动化细分工具缺乏可靠的验证,因为基础真相和评估标准不足.
研究的目的:
- 使用专家共识建立尿道细分的参考标准数据集.
- 定义针对细分精度的临床相关评估指标.
- 评估基于深度学习的细分模型的性能和通用性.
主要方法:
- 一个多学科小组在6个中心的71名患者的MRI数据上创建了共识性尿道轮.
- 使用独立的培训数据集 (n=151) 开发了一个深度学习AI模型.
- 人工智能性能与参考标准和使用子,覆盖范围和豪斯多夫距离 (HD) 的人类性能进行了评估.
主要成果:
- 人工智能模型实现了0.40和89%的覆盖率的中位数,在一些病例的子集中表现优于平均医生.
- 在完整的参考数据集中,人工智能的表现保持一致,证明了可概括性.
- 人工智能模型显示了2.0毫米的Max 2D HD,表明了高精度.
结论:
- 建立了一个关于尿道细分的共识基准.
- 深度学习模型的表现与专业医生的表现相当.
- 人工智能工具显示出作为临床决策支持系统的潜力,用于精确的尿道细分在前列腺癌放射治疗中.
更多相关视频
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
09:06Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI—Application in Premanifest Huntington's Disease
Published on: June 9, 2018
相关概念视频
Imaging Studies IV: Magnetic Resonance Imaging
Imaging Studies VI: Voiding Cystourethrography and Cystography
Imaging Studies I: Kidney, Ureter, and Bladder Studies
Imaging Studies V: Intravenous Urography and Retrograde Pyelography
Anatomy of the Genitourinary System II: Bladder and Urethra
Magnetic Resonance Imaging
