
-
生物通官微
陪你抓住生命科技
跳动的脉搏
一种经过临床验证的3D深度学习方法,用于量化胰腺癌中的血管侵袭情况
《npj Digital Medicine》:A clinically validated 3D deep learning approach for quantifying vascular invasion in pancreatic cancer
【字体: 大 中 小 】 时间:2026年01月02日 来源:npj Digital Medicine 15.1
编辑推荐:
摘要在胰腺导管腺癌(PDAC)的手术规划中,血管侵犯的评估至关重要。目前的基于CT的评估方法通常依赖于放射科医生的主观2D解读,这可能无法准确捕捉到连续的、三维的肿瘤-血管相互作用以及多血管受累情况,而这些对于术前评估至关重要。PAN-VIQ(胰腺血管侵犯量化工具)是一个自动化深
在胰腺导管腺癌(PDAC)的手术规划中,血管侵犯的评估至关重要。目前的基于CT的评估方法通常依赖于放射科医生的主观2D解读,这可能无法准确捕捉到连续的、三维的肿瘤-血管相互作用以及多血管受累情况,而这些对于术前评估至关重要。PAN-VIQ(胰腺血管侵犯量化工具)是一个自动化深度学习框架,能够从增强CT扫描中量化肿瘤-血管的相互作用。该工具能够对胰腺肿瘤和五条关键血管(腹腔动脉(CA)、肝总动脉(CHA)、肠系膜上动脉(SMA)、肠系膜上静脉(SMV)和门静脉(PV)进行分割,并通过3D包裹角度来量化血管受累情况。PAN-VIQ在2130例病例中进行了训练和内部验证,随后在202名患者中进行了前瞻性测试。外部验证显示其准确率超过90%。在前瞻性评估中,该模型的准确性和召回率均优于初级放射科医生,并与高级放射科医生相当。这些结果凸显了PAN-VIQ在标准化血管侵犯评估和减少观察者间差异方面的潜力。
