基于深度学习与功能磁共振的人工智能前列腺癌诊断效能
基于深度学习与功能磁共振的人工智能前列腺癌诊断效能
复制标题
DOI：
10.3969/j.issn.1005-5185.2021.04.024
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
姜建
中科院分区：
文献类型：
--
作者：
李凌昊;胡怡音;孟广明;黄子丹;李致勋;姜建
目的评估基于深度学习网络的人工智能通过扩散加权成像(DWI)与表观扩散系数(ADC)对前列腺癌的诊断价值。资料与方法抽取南昌大学第一附属医院数据库中进行过前列腺MRI扫描并取得病理结果的112例患者,其中前列腺癌52例,由3名影像医师对图片进行标记后,导入人工智能系统进行训练,使用未标记数据进行分割准确性测试,并利用ADC图像对残差网络(ResNet)ADC区域分割的前列腺癌诊断能力进行测试。使用交并比指标计算分割准确率。使用受试者工作特征曲线及曲线下面积(AUC)评估定性诊断模型效能。结果卷积神经网络的ADC与DWI准确度分别为61.34%、 57.35%;ResNet的ADC与DWI准确度分别为60.05%、63.08%;ResNet定性诊断模型的AUC为0.782,准确度、敏感度和特异度分别为69.39%、54.50%、73.68%。结论深度学习网络在前列腺病灶分割和定性分析上均显示出较大的优势,具有一定的临床实用性。