白癜风治疗的有效医院 http://m.39.net/pf/bdfyy/近日，加州大学洛杉矶分校的KyunghyunSung和StevenRaman团队在JournalofMagneticResonanceImaging发表了题为“深度学习与泌尿生殖亚专业放射科医生在多参数3TMR图像上对前列腺癌检出”的文章，该文对比了深度学习模型与经验丰富的放射医生对前列腺癌识别的表现。背景：最近有不少基于深度学习、多参数MRI（multiparametricMRI，mpMRI）中的自动化前列腺癌检测方法，但是大多数方法没有经过严格的验证，都停留在一些简单的标注，而不是直接与放射科医生或全副病理组织学切片（wholemounthistopathology）比较。目的：这篇论文对比了之前工作里提出的深度学习算法（FocalNet）与四名经验丰富的放射医生在MRI中前列腺癌检测的表现。研究形式：回顾研究，医院研究对象：这个研究搜集自年10月至年2月中的例病例（实验组：例，验证组：例），所有病人均行全前列腺切除术和全副病理组织学切片，且在术前行3TmpMRI检查。研究过程：研究者通过实验组例前列腺癌病例训练了深度学习模型（FocalNet），FocalNet在完成训练以后可以自动检测疑似病灶在影像中的位置，并且给予打分（疑似指数）。同时，四名泌尿生殖亚专业的放射医生独立对验证组中的例病例进行阅片，给每个病例标注疑似病灶的位置，并且给予打分（1-5分）。研究者比较了FocalNet和四名放射医生在同样个病例中的表现，对比了前列腺癌检测敏感度（sensitivity）和假阳性的数量（numberoffalsepostivies）。结果：在假阳性数量相同的情况下，FocalNet的检测敏感度较放射医生低了5.1%（临床上需要重视的肿瘤，clinicallysignificantlesion）和4.7%（指标肿瘤，indexlesion），但是FocalNet与放射医生的表现差距不具有统计学意义。结论：深度学习模型FocalNet在检测具有临床意义的前列腺癌上虽不如放射科医生，但并无显著的统计差异。在需要高灵敏度（highsensitivity）或是高特异性（highspecificity）的情况下，FocalNet与放射医生的表现类似。换言之，目前深度学习模型FocalNet在检测和放射科医生有些差距，但是差距很小。如果大样本继续训练，文章结论可能会有所改变。
精彩推荐：
全网最全的解剖图库，千万不要错过
+神经、头颈系统超全影像文章汇总
全网最全头颅影像解剖学，不容错过（更新版）
全网最全大关节影像解剖，不容错过（更新版）
影像科急诊必备手册，必点收藏
脊柱、脊髓解剖及常见疾病汇总（41篇）
乳腺解剖及影像学检查详细汇总
心胸系统文章汇总（篇）
预览时标签不可点收录于话题#个上一篇下一篇
转载请注明：http://www.upanpz.com/yehhzs/9225.html
