پژوهش

راهنمایی آناتومیک دقت مدل‌های MRI پروستات را بهبود داد

پژوهشگران گزارش می‌کنند افزودن نقشهٔ نواحی پروستات به مدل‌های تحلیل MRI چندپارامتری، در پیش‌بینی PI-RADS و شناسایی سرطان مهم بالینی عموماً عملکرد را بهتر کرده است.

۱ دقیقه مطالعه
Figure 1: Distribution of PI-RADS and csPCa labels across the internal, UCSF, and PMUB datasets.
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پژوهشی پیش‌چاپ در arXiv بررسی کرده است که آیا افزودن نقشه‌های ناحیه‌ای پروستات می‌تواند پیش‌بینی امتیازهای PI-RADS و شناسایی سرطان مهم بالینی (csPCa) را از روی MRI چندپارامتری (mpMRI) بهبود دهد یا نه. پژوهشگران سه معماری 3D ResNet-18، ResNet-50 و ViT را روی یک مجموعه‌دادهٔ داخلی بزرگ ارزیابی کردند. بنا بر چکیدهٔ مقاله، پیش‌بینی PI-RADS همچنان از شناسایی csPCa دشوارتر است.

راهنمایی آناتومیک در مجموع عملکرد معماری‌ها را بهتر کرد. بهترین نتیجهٔ پیش‌بینی PI-RADS با ResNet-18 و تقسیم پروستات به دو ناحیه به دست آمد؛ مقدار QWK برابر ۰٫۵۱۱ بود. برای شناسایی csPCa، ResNet-50 با راهنمایی پنج‌ناحیه‌ای به AUC برابر ۰٫۸۰۹ رسید.

چکیده به ارزیابی‌های تنظیم‌دقیق روی داده‌های بیرونی نیز اشاره می‌کند، اما متن ارائه‌شده جزئیات یا نتایج آن‌ها را در بر ندارد. مقاله در نسخهٔ پیش‌چاپ منتشر شده است.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست