Die Studie untersuchte den Einfluss verschiedener MRT-Sequenzen und des Einbezugs von Voraufnahmen auf die Leistung eines konvolutionellen neuronalen Netzwerks (CNN) bei der automatischen Erkennung von Hirnmetastasen aus Melanomen.
Insgesamt wurden 494 Metastasen in 94 Diagnose-MRT-Aufnahmen von 43 Patienten einbezogen. Es zeigte sich, dass der Einbezug der kontrastmittelverstärkten T1-Wichtung sowohl der Diagnose-MRT als auch einer Voraufnahme die beste Leistung erbrachte. Die Sensitivität lag bei 72,7%, die positive Vorhersagewahrscheinlichkeit bei 25% und der F1-Score bei 36,4%.
Der Einbezug zusätzlicher Sequenzen wie T2-Wichtung oder FLAIR verbesserte die Leistung nicht, führte aber zu mehr Fehlerkennungen. Der Ausschluss der Voraufnahmen erhöhte die Zahl der Fehlerkennungen signifikant.
Ansätze, die nur native Sequenzen verwendeten, waren deutlich unterlegen. Die Studie zeigt, dass die Einbeziehung von Voraufnahmen die Spezifität der automatischen Erkennung von Hirnmetastasen aus Melanomen deutlich verbessert, ohne die Sensitivität zu beeinträchtigen.
To Another Language
from source content
arxiv.org
Deeper Inquiries