多任务深度学习有助于胶质瘤和脑转移瘤的检测与诊断

《npj Digital Medicine》：Multi-task deep learning assists detection and diagnosis of gliomas and brain metastases

摘要

在MRI图像中，胶质瘤和脑转移瘤（BM）给放射科医生带来了显著的诊断挑战。本研究旨在开发一个多任务模型和计算机辅助诊断（CAD）系统，用于检测和诊断胶质瘤及脑转移瘤。研究共招募了来自7个中心的3909名参与者，并构建了一个脑肿瘤分割与分类网络（BTSC-Net）以及具备肿瘤掩膜可视化功能的BTSC-CAD系统。在检测方面，BTSC-Net在内部和外部测试集上的Dice系数分别为0.888和0.872；在诊断方面，其AUC值分别为0.941和0.933。借助BTSC-CAD的帮助，初级放射科医生的检测准确率平均提高了4.8%（P<0.05），诊断准确率提高了17.3%（P<0.001），同时阅读时间平均缩短了64.75秒。BTSC-CAD显著提升了放射科医生的诊断准确性和效率。