關(guān)注「影浮科技」
回復(fù)?「20230502」獲取本期文獻(xiàn)下載鏈接
本期文獻(xiàn)一共5篇居凶，簡(jiǎn)要匯總?cè)缦拢?/b>
P1: Advances in Image Processing for Epileptogenic Zone Detection with MRI
>>>>?概要
專用的MRI處理技術(shù)可以提供關(guān)于致癇區(qū)（epileptogenic zone,EZ）位置的有價(jià)值的信息，并提高EZ的檢測(cè)率熔号。
局灶性癲癇是一種常見(jiàn)且嚴(yán)重的神經(jīng)系統(tǒng)疾病。神經(jīng)成像的目的是識(shí)別致癇區(qū)，最好是作為宏觀結(jié)構(gòu)病變。對(duì)于大約三分之一的慢性耐藥局灶性癲癇患者翠勉，使用標(biāo)準(zhǔn)3.0-T MRI無(wú)法精確識(shí)別EZ。這可能是由于EZ在成像時(shí)無(wú)法檢測(cè)到螟碎，或者癲癇活動(dòng)是由生理異常而不是結(jié)構(gòu)損傷引起的眉菱。最近，計(jì)算圖像處理已被證明有助于放射學(xué)評(píng)估掉分，并通過(guò)增強(qiáng)可疑區(qū)域的視覺(jué)顯著性來(lái)提高發(fā)現(xiàn)可疑區(qū)域的成功率俭缓。雖然結(jié)構(gòu)圖像分析是EZ檢測(cè)的前沿，但生理圖像分析也已被證明可以提供有關(guān)EZ位置的有價(jià)值的信息酥郭。這篇綜述總結(jié)并解釋了當(dāng)前最先進(jìn)的圖像分析計(jì)算方法华坦，并介紹了它們?cè)贓Z檢測(cè)方面的潛力。討論了增強(qiáng)EZ檢測(cè)的方法的當(dāng)前局限性和未來(lái)可能的方向不从。?
P2: Prospective Evaluation of PI-RADS Version 2.1 for Prostate Cancer Detection and Investigation of Multiparametric MRI–derived Markers
>>>>?摘要
背景
前列腺成像報(bào)告和數(shù)據(jù)系統(tǒng)（Prostate Imaging Reporting and Data System,PI-RADS）2.1版單獨(dú)和結(jié)合定量MRI特征用于前列腺癌癥檢測(cè)的預(yù)期性能數(shù)據(jù)有限惜姐。
目的
評(píng)估不同PI-RADS 2.1版分類中基于病變的具有臨床意義的前列腺癌癥（clinically significant prostate cancer,csPCa）發(fā)生率，并確定可提高csPCa檢測(cè)的MRI特征椿息。
材料和方法
這項(xiàng)單中心前瞻性研究包括2019年4月至2021 12月接受多參數(shù)MRI和MRI/US引導(dǎo)活檢的疑似或已知前列腺癌癥患者歹袁。MRI掃描使用PI-RADS 2.1版進(jìn)行前瞻性評(píng)估。如果存在明顯的擴(kuò)散限制寝优，非典型過(guò)渡帶（transition zone ,TZ）結(jié)節(jié)升級(jí)為第3類条舔。國(guó)際泌尿外科病理學(xué)學(xué)會(huì)（International Society of Urological Pathology,ISUP）分級(jí)為2級(jí)或更高的病變被認(rèn)為是csPCa。MRI特征是從放射科醫(yī)生描繪的病變輪廓中獲得的乏矾，包括三維直徑孟抗、相對(duì)病變體積、球形度和表面體積比（surface to volume ratio,SVR）钻心。在病變和參與者水平上進(jìn)行單變量和多變量分析凄硼，以確定與csPCa相關(guān)的特征。
結(jié)果
總共包括454名男性捷沸，838處病變摊沉。分類為PI-RADS 1（n=3）、2（n=170）痒给、3（n=197）说墨、4（n=319）和5（n=149）的病變的csPCa發(fā)生率分別為0%、9%侈玄、14%婉刀、37%和77%。PI-RADS 4病變的csPCa發(fā)生率低于PI-RADS 5病變（P<.001）序仙，但高于PI-RADS 3病變（P<.001）突颊。與未升級(jí)的病變相比，升級(jí)的PI-RADS 3TZ病變不太可能攜帶csPCa。csPCa的預(yù)測(cè)因素包括相對(duì)病變體積律秃、SVR和2和3的瓣外擴(kuò)張（extraprostatic extension,EPE）評(píng)分爬橡。
結(jié)論
csPCa的發(fā)生率在連續(xù)的PI-RADS類別3及以上之間存在差異。MRI特征棒动，包括病變體積糙申、形狀和EPE評(píng)分2和3，預(yù)測(cè)了csPCa船惨。PI-RADS 3類TZ病變的升級(jí)可能導(dǎo)致不必要的活檢柜裸。?
P3: Automation Bias in Mammography: The Impact of Artificial Intelligence BI-RADS Suggestions on Reader Performance
>>>>?概要
背景
自動(dòng)化偏差（人類傾向于支持自動(dòng)化決策系統(tǒng)的建議）是人機(jī)交互中已知的錯(cuò)誤來(lái)源，但其對(duì)人工智能（artificial intelligence,AI）輔助乳房X光檢查讀數(shù)的影響尚不清楚粱锐。
目的
在人工智能（AI）系統(tǒng)的幫助下閱讀乳房X光片時(shí)疙挺，確定自動(dòng)化偏差如何影響缺乏經(jīng)驗(yàn)、經(jīng)驗(yàn)豐富和經(jīng)驗(yàn)豐富的放射科醫(yī)生怜浅。
材料和方法
在這項(xiàng)前瞻性實(shí)驗(yàn)中铐然，27名放射科醫(yī)生讀取了50張乳房X光照片，并在所謂的人工智能系統(tǒng)的幫助下提供了他們的乳房成像報(bào)告和數(shù)據(jù)系統(tǒng)（Breast Imaging Reporting and Data System,BI-RADS）評(píng)估恶座。乳房X光片于2017年1月至2019年12月期間采集搀暑，分為兩組隨機(jī)分組。第一個(gè)是10張乳房X光片的訓(xùn)練集跨琳，AI系統(tǒng)建議正確的BI-RADS類別自点。第二個(gè)是一組40張乳房X光片，其中12張建議使用不正確的BI-RADS類別湾宙。使用方差分析（analysis of variance,ANOVA）和重復(fù)測(cè)量ANOVA樟氢，然后是事后檢驗(yàn)和Kruskal-Wallis檢驗(yàn)冈绊，然后是Dunn事后檢驗(yàn)來(lái)評(píng)估閱片者表現(xiàn)侠鳄、BI-RADS評(píng)分的偏差程度、人工智能系統(tǒng)的感知準(zhǔn)確性以及閱片者對(duì)自己的BI-RADS評(píng)級(jí)的信心死宣。
結(jié)果
缺乏經(jīng)驗(yàn)伟恶、經(jīng)驗(yàn)豐富和經(jīng)驗(yàn)豐富的放射科醫(yī)生對(duì)乳房X光片的正確評(píng)級(jí)百分比受到BI-RADS類別AI預(yù)測(cè)的正確性的顯著影響。與中等經(jīng)驗(yàn)和非常有經(jīng)驗(yàn)的閱片者相比毅该，當(dāng)所謂的人工智能錯(cuò)誤地提出比實(shí)際基本事實(shí)更高的BI-RADS類別時(shí)博秫，經(jīng)驗(yàn)不足的放射科醫(yī)生更有可能遵循其建議。
結(jié)論
結(jié)果表明眶掌，在基于人工智能的系統(tǒng)支持下挡育，閱讀乳房X光片的無(wú)經(jīng)驗(yàn)、經(jīng)驗(yàn)豐富和經(jīng)驗(yàn)豐富的放射科醫(yī)生容易出現(xiàn)自動(dòng)化偏差朴爬。在結(jié)合人類閱片者和人工智能時(shí)即寒，必須考慮人機(jī)交互的這種影響和其他影響，以確保安全部署和準(zhǔn)確的診斷性能。?
need-to-insert-img
P4：Toward AI-supported US Triage of Women with Palpable Breast Lumps in a Low-Resource Setting
背景
大多數(shù)低收入和中等收入國(guó)家無(wú)法獲得有組織的乳腺癌癥篩查母赵，胸部腫塊婦女可能要等待數(shù)月才能進(jìn)行診斷評(píng)估逸爵。
目的
為了證明人工智能（artificial intelligence,AI）軟件應(yīng)用于低成本便攜式設(shè)備和最低限度訓(xùn)練的觀察者獲得的乳房超聲圖像，可以在低資源的環(huán)境中準(zhǔn)確地對(duì)可觸及的乳房腫塊進(jìn)行分類凹嘲。
材料和方法
這項(xiàng)前瞻性多中心研究評(píng)估了2017年12月至2021 5月在墨西哥一家醫(yī)院登記的至少一名明顯腫塊的參與者师倔。首先用便攜式超聲獲得正交超聲圖像，在腫塊和鄰近組織部位有任何發(fā)現(xiàn)周蹭。然后趋艘，由放射科醫(yī)生對(duì)女性進(jìn)行標(biāo)準(zhǔn)護(hù)理（standard-of-care,SOC）US乳腺成像報(bào)告和數(shù)據(jù)系統(tǒng)評(píng)估。排除后凶朗，人工智能分析了300名女性中的758個(gè)腫塊致稀，輸出為良性、可能是良性俱尼、可疑和惡性抖单。測(cè)定靈敏度、特異性和受試者工作特征曲線下面積（area under the receiver operating characteristic curve,AUC）遇八。
結(jié)果
患者平均年齡±標(biāo)準(zhǔn)差為50.0歲±12.5矛绘，平均最大病變直徑為13mm±8。在758個(gè)腫塊中刃永，360個(gè)（47.5%）是可觸及的货矮，56個(gè)（7.4%）是惡性的，包括6個(gè)導(dǎo)管原位癌斯够。AI使用便攜式US或SOC US圖像正確識(shí)別了49名癌癥女性中的47名或48名（96%-98%）囚玫，AUC分別為0.91和0.95。一例局限性浸潤(rùn)性導(dǎo)管癌可能與SOC US一起被歸類為良性读规，與一例毛刺性侵襲性導(dǎo)管癌同側(cè)抓督。在251名患有良性腫塊的女性中，168名（67%）SOC US成像被人工智能分類為良性或可能良性束亏，251名便攜式US腫塊中有96名被分類為良性铃在。放射科醫(yī)生獲得的圖像的人工智能表現(xiàn)明顯優(yōu)于最低訓(xùn)練的觀察者獲得的圖像。
結(jié)論
人工智能應(yīng)用于乳腺腫塊的便攜式超聲圖像可以準(zhǔn)確識(shí)別惡性腫瘤碍遍《ㄍ可以在沒(méi)有三級(jí)轉(zhuǎn)診的情況下對(duì)38%-67%的良性腫塊婦女進(jìn)行分診的中度特異性應(yīng)該通過(guò)人工智能和便攜式超聲的觀察者培訓(xùn)來(lái)進(jìn)一步改善。?
P5：2023 RSNA Leadership
>>>>?摘要
文章提到了2023年RSNA領(lǐng)導(dǎo)層的成員名單怕敬，其中包括主席Curtis P. Langlotz, MD, PhD和總裁Matthew A. Mauro, MD揣炕。此外，董事會(huì)是由高技能和精心挑選的個(gè)人組成东跪，致力于放射學(xué)的未來(lái)和推進(jìn)協(xié)會(huì)的使命畸陡。
