《表1 AI在脑肿瘤诊断中的应用—纳入文献数据特征》
注:卷积神经网络(Convolutional Neural Network,CNN);纠错输出码支持向量机(Error-Correcting Output Codes Support Vector Machine,ECOC-SVM);深度卷积神经网络(Deep Convolutional Neural Networks,DCNN);嵌套扩张网络(Nested Dilation Networks,NDN);完全卷积
脑肿瘤分割是识别图像中肿瘤目标区域的内部体素以及外部轮廓,从而完成肿瘤的定位和分离图像内正常与肿瘤组织。Naceur等[8]使用深度神经网络对MRI进行全自动脑肿瘤分割,该模型可用于高、低级别胶质母细胞瘤的分割,平均Dice值为0.88,分割每例数据平均时间为20.87 s。Wang等[9]提出了一种算法进行脑肿瘤自动分割,该方法对水肿、非增强肿瘤、增强肿瘤的Dice相似系数分别为0.6652、0.5880、0.6682,经过级联训练后,Dice相似系数分别提高到0.7043、0.5889和0.7206。Deng等[10]基于完全卷积神经网络建立脑肿瘤分割模型,该方法的平均Dice相似系数为90.98%,该方法也具有很高的即时性,可以在1 s内对脑肿瘤图像进行分割。此外,Lorenzo等[11]、Thillaikkarasi等[12]、Sajid等[13]、Sun等[14]、Havaei等[15]、Kamnitsas等[16]、Pereira等[17]、Al Badawy等[18]分别基于深度学习技术建立脑肿瘤分割模型,各模型均表现出良好的性能(表1)。基于AI技术的分割模型均得到较高的分割精度,AI辅助诊断提高了早期脑肿瘤诊断的准确性和一致性,同时显著提高了医生工作效率。
图表编号 | XD00213094500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 吴双、陈蔓、周育夫 |
绘制单位 | 蚌埠医学院第一附属医院肿瘤放疗科、蚌埠医学院第一附属医院肿瘤放疗科、蚌埠医学院第一附属医院肿瘤放疗科 |
更多格式 | 高清、无水印(增值服务) |