天津大学、天津泰达医院等学校合作SCI新成果：推进肌肉骨骼肿瘤诊断：使用深度学习和影像组学进行自动分割和预测分类
论论资讯 ｜ 2024-04-29 ｜
73热度
Computers in Biology and Medicine
Explore content
About the journal
Publish with us
Advancing musculoskeletal tumor diagnosis: Automated segmentation and predictive classification using deep learning and radiomics
Wang Shuo; Sun Man; Sun Jinglai; Wang Qingsong; Wang Guangpu; Wang Xiaolin; Meng Xianghong; Wang Zhi; Yu Hui
Published：2024-04-22
DOI：10.1016/j.compbiomed.2024.108502
研究背景
在当今社会，肌肉骨骼肿瘤的诊断一直是一个重要议题。由于其高死亡率和异质性，精确的检查和诊断对于有效指导临床治疗至关重要。磁共振成像（MRI）在检测肌肉骨骼肿瘤方面起着重要作用，因为它提供了骨骼和软组织之间出色的图像对比。因此，本研究旨在通过利用MRI进行自动分割和评分，增强肌肉骨骼肿瘤的检测速度和诊断准确性。
研究内容
本研究涉及了170名患有肌肉骨骼病变的患者，他们在2021年4月至2023年5月期间接受了MRI扫描。研究提出了一个基于多尺度注意力和像素级重建的深度学习分割模型MSAPN，并将其与现有算法进行了比较。利用MSAPN分割的病变提取其放射组学特征，用于良性和恶性肿瘤的分类。
研究意义
与最先进的分割算法相比，MSAPN表现出更好的性能。测试集和独立验证集中的Dice相似系数（DSC）分别为0.871和0.815。用于分类良性和恶性病变的放射组学模型实现了0.890的准确性。此外，基于手动分割和MSAPN分割的放射组学模型之间没有显著差异。这项研究通过自动分割和预测分类，推动了肌肉骨骼肿瘤诊断的进步。深度学习算法和放射组学的整合显示出有希望的结果，特征图的可视化分析提高了临床可解释性。
学术热榜
查看全部
相关资讯
换一批