编辑推荐:
近年来,人工智能在医学图像分割领域已经得到了广泛应用,但目前尚未有EOC 分割方面的相关研究发表
卵巢癌是一种常见的妇科恶性肿瘤,其发病率居妇科恶性肿瘤第二位,病死率居首位。其中,上皮性卵巢癌(epithelial ovarian cancer, EOC)占比高达90-95%。目前EOC的治疗主要包括肿瘤细胞减灭术和辅助静脉化疗。术前肿瘤评估对于制定治疗计划和改善患者预后至关重要。识别和描绘肿瘤区域(EOC分割)是肿瘤评估的先决条件,这也有助于简化后续的疗效评估。然而在临床实践中,EOC分割通常由临床医生手动或使用半自动方法逐层逐像素进行,该过程费时费力。随着医学图像数据的急速增加,临床对EOC全自动分割方法的需求愈发迫切。
近年来,人工智能在医学图像分割领域已经得到了广泛应用,但目前尚未有EOC分割方面的相关研究发表。为此,苏州医工所高欣团队评估了深度学习在EOC分割上的可行性。该研究共纳入包括复旦大学附属金山医院在内的八家医院共339例EOC患者的磁共振(MR)影像,选取5种评价指标,对不同模型的分割性能进行评估。此外,团队进一步分析了肿瘤分期和组织学类型对于模型分割性能的影响。
研究结果表明,U-Net++模型在内外部测试集上均取得最优分割结果(如表1和表2所示,内部测试集上Dice相似性系数大于0.85,外部测试集上Dice相似性系数达到0.74),展现了模型优越的精度和泛化性。此外,模型在晚期肿瘤和浆液性肿瘤上的分割精度相对较低,证明不同肿瘤分期和组织学类型对于模型的分割性能具有一定影响。
表1 内部测试集上的分割性能对比
Model | DSC | HD (mm) | ASSD (mm) | Precision | Recall |
U-Net | 0.845 | 27.6 | 1.93 | 0.831 | 0.876 |
DeepLabv3 | 0.847 | 24.6 | 1.94 | 0.829 | 0.887 |
U-Net++ | 0.851 | 25.3 | 1.75 | 0.838 | 0.882 |
PSPNet | 0.837 | 29.5 | 1.79 | 0.834 | 0.857 |
TransUnet | 0.848 | 19.8 | 1.79 | 0.847 | 0.860 |
Swin-Unet | 0.753 | 32.4 | 3.36 | 0.707 | 0.851 |
表2 外部测试集上的分割性能对比
Model | DSC | HD (mm) | ASSD (mm) | Precision | Recall |
U-Net | 0.719 | 58.4 | 6.26 | 0.778 | 0.718 |
DeepLabv3 | 0.716 | 39.9 | 3.90 | 0.782 | 0.719 |
U-Net++ | 0.740 | 42.5 | 4.21 | 0.825 | 0.725 |
PSPNet | 0.637 | 57.3 | 7.92 | 0.760 | 0.618 |
TransUnet | 0.719 | 29.8 | 3.34 | 0.805 | 0.685 |
Swin-Unet | 0.359 | 66.5 | 11.76 | 0.570 | 0.348 |
图1 不同模型的分割结果可视化
该研究的价值在于探索并验证了人工智能技术在EOC全自动分割方面的应用潜力。通过与团队前期提出的上皮性卵巢肿瘤诊断分类方法(Journal of Magnetic Resonance Imaging, 2020,52:897–904)以及EOC诊断分类方法(European Radiology, 2021, 31(1): 403-410)进行整合,有望实现端到端的全自动EOC诊断流程,提升临床医生工作效率。
该研究受国家自然科学基金委员会等机构资助,相关成果发表于放射学领域期刊Quantitative Imaging in Medicine and Surgery(IF = 4.630),博士生胡定都为第一作者。
论文链接:https://doi.org/10.21037/qims-22-494
相关新闻
◎版权作品,未经今日健康网书面授权,严禁转载,违者将被追究法律责任。
Copyright 2015-2018. 今日健康网 www.jinrijiankang.org All rights reserved.
违法和不良信息举报邮箱:jubao@jinrijiankang.org 执行主编:为民
未经过本站允许,请勿将本站内容传播或复制