相关实验视频
Updated: Mar 9, 2026
10:02
High-frequency Ultrasound Imaging of Mouse Cervical Lymph Nodes
Published on: July 25, 2015
19.8K
基于超声波视频的深度学习模型用于预测腹淋巴结状态和乳腺癌的节点负担
Jiaheng Huang1, Qing Xia2, Yuqi Yan3
1Department of Diagnostic Ultrasound Imaging & Interventional Therapy, Zhejiang Cancer Hospital, Hangzhou, Zhejiang, China (J.H., Y.Y., Z.C., Q.L., Y.Z., C.C., X.Z.); Wenzhou Medical University, Wenzhou, Zhejiang 325035, China (J.H., Z.J., X.Z., D.X.).
Academic radiology
|March 7, 2026
概括
使用乳腺超声波视频的新型深度学习 (DL) 框架准确预测乳腺癌患者的状淋巴结 (ALN) 状态. 该模型还在预测节点负担方面表现适度,有助于个性化治疗.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 乳腺癌的诊断 乳腺癌的诊断
背景情况:
- 准确的手术前评估下淋巴结 (ALN) 状态和结节负担对于定制乳腺癌管理至关重要.
- 目前的方法可能在手术前精确确定ALN参与方面存在局限性.
研究的目的:
- 开发和验证一个两阶段的深度学习 (DL) 框架,利用手术前乳房超声波视频.
- 预测乳腺癌患者的ALN状态 (负与阳性) 和结节负担 (1-2与≥3个结节).
主要方法:
- 这是一项多中心的回顾性研究,涉及864名乳腺癌患者.
- 采用了一种基于时间转移模块 (TSM) 视频模型的双阶段DL框架.
- 在训练,内部和外部测试集中使用AUC,灵敏度和特异性来评估模型性能.
主要成果:
- 在TSM-ResNet50模型中,在测试组中实现了ALN状态预测的高AUC (0.851-0.886),在子组中表现一致.
- 在TSM-ResNet18模型中,用于节点负荷预测的AUC值 (0.667-0.937) 是有前途的,这表明其具有临床相关性.
- DL框架表现出强的表现,特别是在ALN状态预测方面.
结论:
- 一个基于视频的两阶段DL模型显示了在乳腺癌中进行手术前关评估的巨大潜力.
- 该框架为预测ALN状态和临床上对节点负担有意义的表现提供了有希望的功能.
- 这种方法可以通过提供关键的手术前见解来增强个性化的患者管理.
