换一批深度学习与影像自动化评估的肾肿瘤剜除术难度预分析
Pre analysis of difficulty in renal tumor enucleation surgery based on deep learning and image automation evaluation
摘要目的 早期肾癌可以通过肾肿瘤剜除术进行有效治疗,为了降低手术难度和减少手术并发症,需要对手术的难度进行合理有效的评估.本文将深度学习、医学影像组学和图像分析技术进行结合,提出一种基于CT(com-puted tomography)影像的肾肿瘤剜除术难度自动评估方法.方法 首先建立一个级联的端到端分割模型对肾脏、肾肿瘤和腹壁同时进行分割,同时融入子像素卷积与注意力机制,保证了小体积肿瘤分割的精确性;然后使用影像组学特征对误判的肾肿瘤进行去除;最后依据分割结果,采用国际标准的梅奥肾周粘连概率(Mayo adhesive probabil-ity,MAP)评分和R.E.N.A.L评分对肾脏和肾肿瘤进行自动化的评估计算,并根据计算结果得出肾肿瘤剜除术难度.结果 将实验的自动化评估结果与三甲医院泌尿科的3位医疗专家的结果进行对比,从预测的平均结果来看,超过两个专家,与最好的专家相差仅0.1％.平均预测时间,单个肿瘤约为244 ms,标准差只有8 ms,专家评估时间约为26 s,标准差在3 s左右,自动评估速度是人工的108倍左右.结论 自动化评估结果整体上与专家评估水平基本一致,同时评估速度更加快速稳定,可以有效替代专家进行自动化评估,为术前准确诊断、手术方案个体化规划和手术入路选择提供准确可靠的决策支持,给手术难度诊断评估提供智能化的医疗解决方案.
更多相关知识
关键词
肾肿瘤剜除术医学图像分割影像组学深度学习手术评估enucleation of renal tumormedical image segmentationradiomicsdeep learningsurgical evaluation
分类号
TP391.4
栏目名称
DOI
10.11834/jig.220375
发布时间
2023-09-08（万方平台首次上网日期，不代表论文的发表时间）
- 浏览6
- 被引1
- 下载9
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
