有效的AI深度学习能够区分小的实体肾肿块

2022-09-03 12:19:31 编辑：皇甫泽平来源：

导读根据《放射学杂志》上发表的一项新研究，深度学习可能会帮助医疗保健提供者评估在某些对比增强CT检查中检测到的小肾脏肿块。AI的性能在某些...

根据《放射学杂志》上发表的一项新研究，深度学习可能会帮助医疗保健提供者评估在某些对比增强CT检查中检测到的小肾脏肿块。AI的性能在某些CT阶段表现出色，但在其他阶段却不然。

冈山大学医院放射科的第一作者田中隆史(Takashi Tanaka)及其同事写道：“动态CT可以为分化小的实体肾肿块提供有用的诊断信息。”“尽管如此，尽管有经验的放射科医生会仔细评估影像，但评估可能是主观的，并在一定程度上受到每个放射科医生的经验的影响。此外，某些偶然发现的小肾脏肿块……仅凭成像无法明确确定其是良性还是恶性;只有经过明确的手术干预，他们才能最终被证明是良性的。”

作者旨在了解深度学习技术是否可以帮助改善小的实心肾肿块的分化，从而为通常具有挑战性的过程提供新的清晰感。他们的回顾性研究包括2012年至2016年接受CT成像的159例患者的168个实体肾肿块。所有肿块均小于4厘米，并且CT检查均为增强，皮质肾小管期(CMP)，肾原性期或排泄期。

田中等。将数据集分为五个数据集，其中四个集用于增强和训练卷积神经网络(CNN)。第五个也是最后一个数据集被留作测试。总体而言，具有CMP CT图像的ROC曲线下的深度学习模型比其他阶段具有更大的面积。CMP CT图像的准确性也最高，达到88%。排泄阶段的准确性为85%，然后在其他阶段显着下降。

正如Tanaka及其同事在他们的分析中指出的那样，深度学习模型对于CMP CT图像可能是有效的，但对于其他阶段则“不那么好”。

作者总结说：“这项研究表明，使用CNN进行深度学习可以支持对小的实体肾肿块进行评估，并具有可接受的诊断性能。”“ CNN模型和正在审查的放射学家均得出结论，与动态CT上的其他相位图像相比，CMP CT图像能够更好地区分小块实体肾肿块(≤4 cm)。”

标签：

免责声明：本文由用户上传，如有侵权请联系删除！