通过分类放射科医生阳性样本进行 AI 辅助的双参数 MR 前列腺癌检测与定位
图像与视频处理
2026-01-09 v1 计算机视觉与模式识别
摘要
通过 MR 成像进行前列腺癌诊断目前依赖于放射科医生的解读，而现代基于 AI 的方法已开发用于独立于放射科医生检测具有临床意义的癌症。在本研究中，我们提出开发深度学习模型，通过分类放射科医生识别的患者或病变（即放射科医生阳性），来提高整体癌症诊断准确性，这与现有模型训练用于区分所有患者的做法不同。我们开发了一个单一的体素级分类模型，通过简单的百分比阈值在病变、Barzell 区域和患者层面确定阳性病例。基于来自两个临床数据集的实验结果——分别来自 UCLA 和 UCL PROMIS 研究中包含 800 多名和 500 多名患者的组织病理学标注 MR 图像——我们展示了所提出的策略可以通过增强放射科医生对 MR 成像的解读来提高诊断准确性。在临床意义的不同定义下，例如，所提出的策略在公开可用的 UCLA 数据集上，在控制灵敏度为 80.0% 的情况下，实现了 44.1% 的特异性（AI 辅助），而放射科医生单独判断仅为 36.3%。这在一系列应用中提供了可测量的临床价值，例如减少不必要的活检、降低癌症筛查成本以及量化治疗风险。
引用
@article{arxiv.2410.23084,
title = {AI-assisted prostate cancer detection and localisation on biparametric MR by classifying radiologist-positives},
author = {Xiangcen Wu and Yipei Wang and Qianye Yang and Natasha Thorley and Shonit Punwani and Veeru Kasivisvanathan and Ester Bonmati and Yipeng Hu},
journal= {arXiv preprint arXiv:2410.23084},
year = {2026}
}