Radiology:人工智能,实现脑转移瘤的“一站式”检测

2021-05-11 shaosai MedSci原创

脑转移发生在约20%-40%的癌症患者中,且由于治疗手段的不断进步,癌症患者的存活期明显延长,因此发病率可能进一步上升。

脑转移发生在约20%-40%的癌症患者中,且由于治疗手段的不断进步,癌症患者的存活期明显延长,因此发病率可能进一步上升。由于全脑放射治疗可导致患者认知能力下降,因此对于脑转移少于4个的患者不推荐使用放射治疗,立体定向放射外科(SRS)是此类患者的首选治疗方法。SRS能有效地治疗转移瘤,并将对正常脑组织的损害降至最低。对脑转移瘤的准确检测和精确分割对于SRS治疗方案的制定至关重要。目前,脑转移瘤的个数和位置是由神经放射科医师手动识别,这是一项耗时且具有潜在挑战性的工作。

深度学习(DL)在医学成像领域的兴趣和应用都出现了爆炸式的发展。最近,DL single-shot detector (SSD)算法被开发用于目标病变的检测。据报道,DL SSD已被用于在CT或扩散MRI中的肺及乳腺病变的检测和恶性肿瘤的分类。然而据我们所知,尚未有关DL SSD检测脑转移的相关援救及报道。

近日,发表在Radiology杂志的一项研究探讨了基于MRI检测脑转移的深度学习(DL)方法,为SRS的治疗方案的制定提供了有价值的参考依据及技术支持。

本项回顾性研究纳入了2011年1月至2018年8月期间接受伽玛刀SRS治疗的患者,每位患者均接受了增强3D T1加权梯度回波MRI扫描。脑转移瘤由神经放射科专家和肿瘤科放疗专家人工识别和勾画轮廓。构建并训练DL SSD算法模型,将轴位MRI图像映射到一组包围转移和相关检测可信度的边界框预测。在50%置信阈值下,比较了不同DL SSDs对每个病灶转移的检测敏感性和阳性预测值(PPV)的性能。对于性能最佳的模型,采用受试者工作特性分析检测性能。

266例患者(平均年龄60岁±14岁[标准差];148名女性)被随机分为80%训练组和20%试验组(分别为212名和54名患者)。对于试验组,最高表现(基线)SSD的敏感性为81%(95%置信区间[CI]: 80%,82%;190/234),PPV为36% (95% CI: 35%,37%;190/530)。对于直径大于等于6毫米的转移瘤,敏感性为98% (95% CI: 97%,99%;130 / 132), PPV为36% (95% CI: 35%,37%;130/366)。其他模型(ResNet50 SSD, focal loss SSD,和RetinaNet SSD)的敏感性较低,只有73% (95% CI: 72%,74%;171/234)、77% (95% CI: 76%,78%;180/234)和79% (95% CI: 77%,81%;184/234),PPVs 也较低,仅有29% (95% CI: 28%, 30%;171/581)、26%(95%CI::26%,26%;180/681)和13%(95%CI:12%,14%;184/1412)。

 

图1 MRI扫描显示了四名具有代表性测试患者在50%置信度阈值下从基线SSD得出的真阳性结果的示例。转移灶的大小分别为A,4、6、9和28 mm(患者1); B,3、5和6毫米(患者2); C,10、20毫米(患者3); D,7毫米(患者4)。

 

图2 (A、B) MRI的假阳性结果断的示例(箭头)。假阳性结果通常是:(A)血管(患者5)或(B)脑组织强化的变异(患者6)。(C, D)MRI假阴性结果的示例(箭头)。漏诊的转移灶为:(C) 3mm(患者7)、(D)4mm(患者8)。漏诊的转移灶通常位于大脑的灰-白质或脑-颅交界面。

本研究表明,基于增强T1加权MRI的DL SSD模型可检测到几乎所有6毫米或更大的脑转移瘤,且假阳性率较低,是一个协助临床医生进行脑转移瘤自动检测的有效手段,并为进一步开发基于检测的脑转移瘤自动分割方法开辟了道路。

原文出处:

Zijian Zhou,Jeremiah W Sanders,Jason M Johnson,et al.Computer-aided Detection of Brain Metastases in T1-weighted MRI for Stereotactic Radiosurgery Using Deep Learning Single-Shot Detectors.DOI:10.1148/radiol.2020191479

版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (0)
#插入话题

相关资讯

计算决定未来,生物计算拂晓来临

首届中国生物计算大会在苏开幕,百图生科发布免疫图谱卓越计划

Eur Urol Focus:基于人工智能的常规组织学检测膀胱癌FGFR3突变状态

成纤维细胞生长因子受体(FGFR)抑制剂治疗已成为膀胱癌中第一个获得临床批准的靶向疗法。然而,该疗法需要事先对每为患者进行分子测试,昂贵且不是普遍可用的。

Radiology:人工智能在髋关节骨关节炎影像学特征严重程度分级中的应用

骨关节炎是最常见的慢性疾病之一,全世界有超过2.3亿人受其影响。骨关节炎是一种全关节疾病,最常见于中老年人群的膝关节和髋关节。

Radiology:人工智能在肺癌影像学筛查上的新进展

在CT图像上,肺癌表现为亚实性病变的实性成分的大小与病理评估时的浸润性成分大小非常吻合,这决定了治疗方案的制定并反映了患者的预后,是临床关注的重中之重。

Radiology:人工智能让肠息肉不再可怕!

在工业化国家,结直肠癌是癌症相关死亡的三大常见原因之一。据推测,大多数类型的结直肠癌都起源于存在多年的腺瘤样息肉。

Radiology:用胸片筛查肺癌结节,你放心吗?人工智能给你答案!

肺癌是全世界癌症相关死亡的主要原因,占所有癌症死亡人数的四分之一。由于大多数情况下肺癌诊断时已为晚期,因此肺癌的早期筛查已成为降低肺癌死亡率的重要策略。

打开APP