AI有助于检测胰腺癌

AI有助于检测胰腺癌
基于工作流的深入学习计算机辅助检测工具。分割的分割面具通过卷积神经网络(CNN)的分类包括CNN胰腺肿瘤(如果存在)的总和,没有单独的描述或识别胰腺和肿瘤之间。实箭头表示计算机辅助检测工具的输出。信贷:北美放射学会

一个人工智能(AI)的工具非常有效地检测胰腺癌CT,根据公布的一项研究放射学的《北美放射学会(RSNA)。

胰腺癌最低五年生存率之间的癌症。它预计将成为癌症死亡的第二大原因于2030年在美国。早期发现最好的办法是改善黯淡的前景,随着肿瘤预后显著恶化,一旦超过2厘米。

CT是关键成像方法检测胰腺癌,但却错过2厘米以下的肿瘤的40%左右。有迫切需要一个有效的工具来帮助放射科医生在改善胰腺癌检测。

台湾的研究人员一直在研究计算机辅助诊断(CAD)工具,它使用一种AI检测胰腺癌。他们先前表明,该工具能够准确区分胰腺癌和良性胰腺。然而,研究依赖于放射科医生手动识别胰腺想象一种劳动密集型的过程称为细分。在新的研究中,人工智能工具自动识别胰腺。这是一个重要的事先考虑到胰腺边界多个器官和结构,在形状和大小差别很大。

AI有助于检测胰腺癌
假阴性(A, B)和假阳性(C, D)肿瘤分割的分割模型。蓝色和黄色轮廓显示正常胰腺肿瘤分割的分割模型,分别。图像在左列是原始未经CT扫描。(A, B)肿瘤(红色轮廓)被分割不分段卷积神经网络。上游胰腺显示二级胰腺癌的迹象,包括胰管扩张,突然截止(箭头)和实质萎缩与胰管扩张(箭头B)。(C)抵押品静脉次要特发性门静脉血栓形成是错误的分割肿瘤的分割模型。(D)胰腺实质相邻放置胆道支架(箭头)的减轻梗阻性黄疸肝细胞癌肿瘤的分割错误分割模型。信贷:北美放射学会

研究人员开发了一个内部测试集的工具组成的546名胰腺癌患者和733控制参与者。该工具实现敏感性90%,特异性96%在内部测试集。

验证后的1473个人CT考试机构在台湾。工具实现敏感性90%,特异性93%在区分胰腺癌和控制集。敏感性检测胰腺癌小于2厘米为75%。

“深度学习的性能工具似乎与放射科医生,”研究的高级作者Weichung Wang说,博士,教授,国立台湾大学和大学梅达实验室的主任。“具体地说,在这项研究中,深入学习计算机辅助检测的敏感性胰腺的工具相当与放射科医生在一个三级转诊中心不论肿瘤大小和舞台。”

AI有助于检测胰腺癌
分析nontumorous部分胰腺有或没有二级分类模型胰腺癌的迹象。蓝色的轮廓代表了部分胰腺与分类模型进行了分析。肿瘤(红色轮廓)不是被细分模式;因此,它不是由分类分析的模型。(一)未经CT图像与胰头癌患者。(B) Nontumorous部分胰腺二级胰腺癌的迹象(胰管扩张,突然中断(箭头))和被列为癌分类模型。(C) Nontumorous部分胰腺显得很正常,后被归类为非癌变扩张管取代,估算与周围正常胰腺实质。信贷:北美放射学会

CAD工具有潜力提供丰富的信息,协助临床医生,王博士说。它可以表示怀疑的地区速度解释。

“CAD工具可能作为放射科医生补充加强检测说:“该研究的文章的第二作者,首度登上廖,医学博士博士,国立台湾大学,国立台湾大学医院。

研究人员正计划进一步的研究。特别是,他们想看看这个工具的性能在更广泛的人群。从当前的研究是回顾性的,他们希望看到未来如何执行在实际临床设置。

更多信息:Po-Ting陈et al,胰腺癌检测CT扫描与深度学习:在全国范围内以人群为基础的研究中,放射学(2022)。doi.org/10.1148/radiol.220152

期刊信息: 放射学

所提供的北美放射学会
引用:AI有助于检测胰腺癌(2022年9月13日)检索2 2023年3月从//www.pyrotek-europe.com/news/2022-09-ai-pancreatic-cancer.html
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。

进一步探索

人工智能应用于prediagnostic CTs可以帮助诊断胰腺癌在早期,更容易治愈阶段

9股票

反馈给编辑