Baidu
map

European Radiology:利用人工智能进行多参数MRI的深度学习转诊建议和肿瘤识别

2024-02-20 shaosai MedSci原创 发表于上海

深度学习网络可以利用成像数据中的高层次潜在特征来提高对各种疾病的诊断性能。然而,大多数DL系统已被用于图像重建、病变检测、或病变分割,在多参数MRI上遇到的众多脑部疾病的诊断中尚未得到充分利用。

众所周知对神经放射科急诊病例进行准确的分流和临床转诊至关重要,对病变的误诊会延误适当治疗的开始时间。这对于发生于颅脑的大的轴内肿块样病变(IMLLs)尤其重要,因为肿块和肿块样病变在磁共振成像(MRI)上往往难以区分。临床上对肿瘤或肿块应积极治疗,而肿块病变(如肿瘤性多发性硬化斑块、脓肿、正在消退的血肿)应该更有针对性地进行治疗以避免不必要的手术及治疗

在非创伤性神经系统急诊中,多参数MRI有助于正确区分有脑部病变的病例中的肿瘤和非肿瘤情况,提供了关于病变的病理生理特征以及肿瘤周围组织的微观结构的信息。然而,对多参数MRI提供的大量信息的解释是非常复杂的,常常为主观的,在不同的读者中也不一致。在这方面,基于深度学习(DL)网络的临床决策支持系统有助于快速识别多参数MRI的细微特征,并利用这些信息提供有用的临床转诊建议。

深度学习网络可以利用成像数据中的高层次潜在特征来提高对各种疾病的诊断性能。然而,大多数DL系统已被用于图像重建、病变检测、或病变分割,在多参数MRI上遇到的众多脑部疾病的诊断中尚未得到充分利用。


近日,发表在European Radiology杂志上的一篇研究将可解释的深度学习(DL)系统应用于多参数MRI以获得IMLLs的临床转诊建议,并在非创伤性急诊神经放射学的环境中对其进行验证。

本项研究在747名IMLLs患者中开发了一个DL系统,这些患者有30种疾病,所有患者均接受了强化后的T1加权(T1CE)、FLAIR和扩散加权成像(DWI)。研究开发了一个DL系统,对IMLLs进行分割对肿瘤情况进行分类,并建议在手术、系统工作、医疗和保守治疗中进行临床转诊。该系统在130名急诊患者的独立队列中得到了验证,并使用接收器操作特征曲线、精确-回忆曲线分析和混淆矩阵将转诊建议和肿瘤辨别的性能与放射科医生的性能进行了比较。研究分析了在增强T1WI和DWI上叠加的层级相关传播的高相关区域的多参数可解释性可视化。

DL系统为130名患者中的94名(72.3%)提供了正确的转诊建议,其表现与放射科医生相当(准确率72.6%,McNemar检验;p = .942)。在区分肿瘤和非肿瘤方面,DL系统(AUC,0.90和AUPRC,0.94)与人类读者(AUC,0.81~0.92,AUPRC,0.88~0.95)的表现相似。肿瘤的实体部分显示出高度的相关性重叠,但非肿瘤则没有(Dice系数0.77 vs. 0.33,p < .001),证明了DL的决策。


 
 深度学习系统和放射科医生在测试集中提出临床转诊建议的表现

本项研究表明,DL系统可以使用多参数MRI对肿瘤患者进行适当有效的分流,并通过多参数热图提供判析及评估,从而有助于急诊环境下的神经放射学诊断。

原文出处:

Hyungseob Shin,Ji Eun Park,Yohan Jun,et al.Deep learning referral suggestion and tumour discrimination using explainable artificial intelligence applied to multiparametric MRI.DOI:10.1007/s00330-023-09710-0

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (2)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2188269, encodeId=9b2321882694c, content=<a href='/topic/show?id=8f275032126' target=_blank style='color:#2F92EE;'>#期刊论坛#</a>还是很有用的, beContent=null, objectType=article, channel=null, level=null, likeNumber=65, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=50321, encryptionId=8f275032126, topicName=期刊论坛)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=faab9129966, createdName=ms9000001150081603, createdTime=Tue Feb 20 10:34:22 CST 2024, time=2024-02-20, status=1, ipAttribution=上海), GetPortalCommentsPageByObjectIdResponse(id=2188177, encodeId=58e921881e7f9, content=<a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a> <a href='/topic/show?id=e4cb6612395' target=_blank style='color:#2F92EE;'>#深度学习#</a> <a href='/topic/show?id=21a110e52704' target=_blank style='color:#2F92EE;'>#多参数MRI#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=56, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能), TopicDto(id=107527, encryptionId=21a110e52704, topicName=多参数MRI), TopicDto(id=66123, encryptionId=e4cb6612395, topicName=深度学习)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Mon Feb 19 18:07:08 CST 2024, time=2024-02-19, status=1, ipAttribution=上海)]
    2024-02-20 ms9000001150081603 来自上海

    #期刊论坛#还是很有用的

    0

  2. [GetPortalCommentsPageByObjectIdResponse(id=2188269, encodeId=9b2321882694c, content=<a href='/topic/show?id=8f275032126' target=_blank style='color:#2F92EE;'>#期刊论坛#</a>还是很有用的, beContent=null, objectType=article, channel=null, level=null, likeNumber=65, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=50321, encryptionId=8f275032126, topicName=期刊论坛)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=faab9129966, createdName=ms9000001150081603, createdTime=Tue Feb 20 10:34:22 CST 2024, time=2024-02-20, status=1, ipAttribution=上海), GetPortalCommentsPageByObjectIdResponse(id=2188177, encodeId=58e921881e7f9, content=<a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a> <a href='/topic/show?id=e4cb6612395' target=_blank style='color:#2F92EE;'>#深度学习#</a> <a href='/topic/show?id=21a110e52704' target=_blank style='color:#2F92EE;'>#多参数MRI#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=56, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能), TopicDto(id=107527, encryptionId=21a110e52704, topicName=多参数MRI), TopicDto(id=66123, encryptionId=e4cb6612395, topicName=深度学习)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Mon Feb 19 18:07:08 CST 2024, time=2024-02-19, status=1, ipAttribution=上海)]

相关资讯

European Radiology:基于CT人工智能的甲状腺乳头状癌颈部淋巴结转移预测

人工智能(AI),特别是深度学习(DL)算法,因其在图像识别任务中的出色表现而获得广泛关注。DL是一种前瞻性的方法,可以自动学习特征并对图像中的信息进行量化。

JMIR:ChatGPT在临床决策中,准确率高达71.7%!

美国最大的非营利医疗机构之一,麻省布里格姆医院集团,发表了一份关于ChatGPT在临床医疗决策中应用的研究论文。麻省布里格姆医院由麻省总医院(Massachusetts General Hospita

JAHA:人工智能在风湿性心脏病检测中的应用

人工智能有可能像心脏病专家一样准确地检测出RHD,并通过更多的数据进行改进。这些创新的方法有望扩大RHD超声心动图筛查的规模。

【论著】| 人工智能辅助超声对中国女性乳腺病灶识别的有效性研究

本研究通过与常规超声的比较,了解AI辅助超声对于中国女性乳腺病灶的实时识别和判断能力,通过随访获得乳腺癌发病结局,了解AI辅助超声应用于人群乳腺癌筛查的潜力,为该技术应用于人群筛查提供科学依据。

Nature:2024年值得关注的七大技术

2024年1月22日,《自然》发布了2024年值得关注的七大技术——

Academic Radiolog:人工智能在超低剂量CT肺癌筛查中的降噪应用

使用低剂量(LD)计算机断层扫描(CT)进行筛查可以降低肺癌的具体死亡率,已经成为高风险人群的标准筛查流程。

CGP数智医疗与信息化研究|基于人工智能的临床决策支持系统早期临床评估的透明化报告

本文将结合DECIDE-AI中的AI相关报告项目及相关文献,探讨基于AI的临床决策支持系统早期临床评估的透明化报告,以期帮助我国系统开发者和研究者更好地理解与应用相关指南。

European Radiology:人工智能在乳腺癌早期筛查中的新应用

随着机器学习和深度学习的最新进展,人工智能(AI)作为提高乳腺钼靶筛查灵敏度的手段吸引了大量关注。

GIE:人工智能在降低胃肠道腺瘤、息肉和无蒂锯齿状病变漏诊率方面的疗效

在内镜监测期间,AI技术显著降低了GI腺瘤、息肉和无蒂锯齿状病变(SSL)的漏诊率。这些结果强调了AI在提高胃肠道内镜检查的准确性和效率方面的潜力。

文献荐读|张国君教授:人工智能组织学预后特征指导乳腺癌精准治疗

本研究提出了一种人工智能组织学预后特征(HiPS)风险评分系统。首先,基于深度学习人工智能对整张病理切片进行定量评估,提取出一种客观的可定量的组织学分级评估。

Baidu
map
Baidu
map
Baidu
map