健康生活网logo.png健康生活网

健康生活网
健康生活网是中国最大的生物技术、生物科学门户网站。
健康生活网

深度学习可在多相CT上区分小肾脏肿块

导读 弗吉尼亚州利斯堡(Leesburg),2020年1月10日-根据提前发表的文章,采用卷积神经网络(CNN)的深度学习方法可以支持动态CT图像中小的实心肾肿

弗吉尼亚州利斯堡(Leesburg),2020年1月10日-根据提前发表的文章,采用卷积神经网络(CNN)的深度学习方法可以支持动态CT图像中小的实心肾肿块的评估,并具有可接受的诊断性能。刊登在3月的《美国放射学杂志》(AJR)中。

在2012年至2016年之间,日本冈山大学的研究人员研究了159例来自168例经病理诊断的小(约4厘米)实体肾脏肿块的1807图像集,这些肿块具有四个CT期-未增强,皮质肾小管,肾原性和排泄。

使用5分制将肿块分为恶性(n = 136)或良性(n = 32),然后将该数据集随机分为五个子集。

正如AJR的主要作者田中隆(Takashi Tanaka)所解释的那样,“有四个用于增强和监督训练(48,832张图像),而一个用于测试(281张图像)。”

利用Inception-v3架构的CNN模型,在六个不同的CNN模型中评估了在输出数据的最佳截止值时恶性程度和准确性的AUC。

Tanaka的研究小组发现恶性和良性病变之间没有明显的大小差异,确实发现皮质肾盂期的AUC值高于其他阶段(皮质肾盂与排泄期,p = 0.022)。

此外,在皮质肾相图像中获得了最高的准确性(88%)。

田中总结说,多变量分析显示,肾髓质期的CNN模型是恶性肿瘤的重要预测指标,“与其他CNN模型,年龄,性别和病变大小相比,”。

免责声明:本文由用户上传,如有侵权请联系删除!

相关推荐

最新文章