基于人工智能经直肠超声诊断前列腺癌研究进展

人工智能（AI）技术现已用于辅助经直肠超声（TRUS）诊断前列腺癌（PCa）,主要包括建立计算机辅助诊断系统和预测模型及引导前列腺穿刺活检,以提高诊断效率和诊断准确率,并降低检查成本。本文对基于AI的TRUS诊断PCa研究进展进行综述。     

基于深度学习提高经直肠超声诊断前列腺癌效能的研究

目的探索基于深度学习构建的前列腺癌经直肠超声图像分类网络模型对经直肠超声图像中前列腺组织良恶性分类的应用价值。方法收集2018年5月至2021年5月于暨南大学附属第一医院就诊的203例可疑前列腺癌患者(其中恶性89例, 良性114例)的1 462张包含明确病理结果的经直肠前列腺穿刺二维灰阶超声图像(其中恶性图片658张, 良性图片804张), 将其分为训练集、验证集和测试集, 应用训练与验证集训练得到辅助诊断网络模型, 再用测试集对网络模型与两位不同年资超声医师进行测试, 以病理诊断作为金标准, 评估三者的诊断效能。结果①网络模型分类的准确性为80.5%, 敏感性为66.7%, 特异性为91.9%, 阳性预测值为87.1%, ROC曲线下面积为0.922。②低年资医师与高年资医师判断准确性分别为57.5%、62.0%, 敏感性分别为51.5%、56.8%, 特异性分别为62.0%、66.3%, 阳性预测值分别为53.1%、58.1%。③对图像分类的准确性、敏感性、特异性、阳性预测值:网络模型>两位超声医师, 差异有统计学意义(均P<0.05);高年资医师>低年资医师,...     

基于卷积神经网络经直肠超声模型预测前列腺癌Gleason分级

目的 观察基于卷积神经网络(CNN)的经直肠超声(TRUS)模型预测前列腺癌Gleason分级(GS)的价值。方法 前瞻性收集101例拟接受TRUS引导下前列腺穿刺活检的前列腺癌患者;采集568幅前列腺癌超声图像,根据病理结果将其分为低危(GS≤6,n=90)、中危(GS=7,n=185)及高危(GS≥8,n=293)。建立前列腺癌TRUS数据集,基于CNN构建TRUS预测前列腺癌GS模型;以穿刺活检病理结果为金标准,评估模型与超声医师的诊断效能。结果 基于CNN的TRUS模型预测前列腺癌GS≤6的精确率高于超声医师(P<0.05),而二者召回率(Recall)和F1-score差异均无统计学意义(P均>0.05);基于CNN的TRUS模型预测GS=7和GS≥8的精确率、Recall及F1-score均高于超声医师(P均<0.05)。基于CNN的TRUS模型预测前列腺癌GS的总体准确率(76.75%)高于超声医师(51.75%,χ²=31.021,P<0.001),其预测前列腺癌GS的曲线下面积(AUC)为0.72、特异度为47.22%、敏...     

超声诊断隆突性皮肤纤维肉瘤1例

隆突性皮肤纤维肉瘤（dermatofibrosarcoma protuberans,DFSP）临床上较罕见,容易误诊为皮肤其他常见的良性肿瘤而做常规切除,应加强超声医生对此病的认识,为临床的术前诊断和治疗提供重要价值。为探讨DFSP的超声表现及鉴别要点、提高术前诊断、降低复发风险,现回顾性分析于2019年7月收入暨南大学附属第一医院的经手术病理证实的1例DFSP患者的临床资料及超声表现。超声表现：右侧胸壁处皮肤层见混合回声结节,大小约12 mm×24 mm,边界尚清,形态不规则,回声欠均匀,内见条索状强回声。彩色多普勒血流显像（CDFI）：结节内见丰富的血流信号。