在MRI中对肝细胞癌细分进行深度学习:对模型,性能和挑战的系统审查
Mohammadreza Elhaie1, Abolfazl Koozari2, Maryam Arjmandi3
1Department of Medical Physics, School of Medicine, Isfahan University of Medical Sciences, Isfahan, Iran.
Medicine
|December 23, 2025
概括
深度学习模型在MRI扫描中对肝细胞癌 (HCC) 的细分显示出希望. 然而,数据集的局限性和成像不一致性阻碍了广泛的临床使用,需要更大,标准化的数据集和混合方法.
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:
- 肝细胞癌 (HCC) 是癌症死亡的主要原因.
- 在MRI中精确细分HCC对于诊断和治疗至关重要.
- 深度学习 (DL) 模型提供自动细分,但面临挑战.
研究的目的:
- 系统地审查DL模型用于MRI中的HCC细分.
- 评估模型架构,性能指标和实施挑战.
- 确定限制临床采用的因素,并建议未来的方向.
主要方法:
- 按照PRISMA指南进行系统审查.
- 搜索了主要的数据库 (PubMed,Scopus,科学网,科克兰).
- 包括使用定量指标 (例如,子相似系数) 和人类受试者的研究;评估偏见.
主要成果:
- 13项研究符合标准,主要使用U-Net变体.
- 子相似系数 (DSCs) 在0.61到0.954.95之间.
- 挑战包括小型数据集,病变异质,MRI变异性和偏差.
结论:
- DL模型在MRI中实现了强大的HCC细分.
- 数据集大小,成像变异性和病变异质性限制了临床应用.
- 进步需要多中心数据,标准化协议和放射科医生集成.
