El aprendizaje profundo puede diferenciar pequeñas masas renales en TC multifase

Cavando por la tarde, el sudor goteando por el suelo. Inesperadamente, en el almuerzo se sirvió un trozo de batata asada. Este es un reportero del espacio profundo que les cuenta la noticia con el estómago vacío. El editor dedicó mucho tiempo a organizarlo y llevó este artículo a todos. Prepare el banco de semillas de melón y echemos un vistazo juntos.

Leesburg, VA, 5438 de junio + 10 de octubre de 2020: los métodos de aprendizaje profundo que utilizan redes neuronales convolucionales pueden respaldar la evaluación de pequeñas masas renales sólidas en imágenes de TC dinámicas, según una publicación avanzada, y tienen un rendimiento diagnóstico aceptable . Publicado en la edición de marzo del American Journal of Radiology.

De 2012 a 2016, investigadores de la Universidad de Okayama en Japón estudiaron 159 conjuntos de imágenes de 1.807 de 168 pequeñas masas renales sólidas diagnosticadas patológicamente. Estas masas tienen cuatro fases CT: fase sin contraste, fase tubular cortical, fase nefrogénica y fase excretora.

Los tumores se clasifican como malignos o benignos utilizando una escala de 5 puntos y luego el conjunto de datos se divide aleatoriamente en cinco subconjuntos.

Como explica el autor principal de AJR, Takashi Tanaka, cuatro se utilizan para reforzar y supervisar el entrenamiento, mientras que uno se utiliza para realizar pruebas.

Utilizando el modelo CNN de la arquitectura Inception-v3, se evaluaron el AUC y la precisión de los tumores malignos en el valor de corte óptimo de los datos de salida en seis modelos CNN diferentes.

El equipo de Tanaka no encontró diferencias significativas de tamaño entre las lesiones malignas y benignas, y de hecho encontró valores de AUC más altos en la fase corticopélvica que en otras fases.

Además, la mayor precisión se obtiene en las imágenes de la fase cortical-renal.

Tanaka concluyó que el análisis multivariado mostró que la edad, el sexo y el tamaño de la lesión en el modelo CNN de etapa medular renal eran predictores significativos de malignidad en comparación con otros modelos CNN.

Si desea obtener más información sobre "El aprendizaje profundo puede distinguir masas renales pequeñas en TC multifásica", continúe prestando atención a la columna de información sobre ciencia y tecnología del espacio profundo. El Editor del espacio profundo seguirá actualizándose. usted con más información sobre ciencia y tecnología. Haz clic para probar Heart of the King 2.