XiaoMi-AI文件搜索系统
World File Search SystempMRI
MPMRI/TRUS软件融合引导的经透明前列腺活检
抽象背景：为了增强前列腺癌的诊断，多参数磁共振成像（mpMRI）结合了转直肠超声（TRUS）融合引导的活检，已成为一种有希望的技术。这项研究旨在评估其比传统TRUS引导活检的临床益处。方法：在2022年1月至2024年4月之间对83例诊断的患者进行了回顾性分析。患者分为两组：41例进行了mpmri/trus融合引导的活检，而42例进行了传统的TRUS引导活检。两组的基线特征相似，促进了诊断功效和并发症率的直接比较。结果：融合引导组显示出明显更高的临床前列腺癌检测率（21/41 vs. 12/42，p = 0.035）。它还检测到更重要的临床意义病例（20/41 vs. 11/42，p = 0.033）。值得注意的是，融合组的并发症较少，包括没有hematochezia（p = 0.003）或感染的实例（P = 0.012），术后疼痛水平较低（视觉模拟量表得分1.8±0.78 vs. 2.33±1.07，P = 0.012）。结论：在融合引导活检中将mpMRI与TRU的整合提高了检测临床上明显的前列腺癌，减少程序并发症并最大程度地减少患者不适的准确性。这种方法代表了前列腺癌管理的重大进步，从而提高了诊断结果和患者的安全性。
推荐引用 推荐引用 Bardis, Michelle D; Houshyar, Roozbeh; Chang, Peter D; Ushinsky, Alexander; Glavis-Bloom, Justin; Chahine, Chantal; Bui, Thanh-Lan; Rupasinghe, Mark; Filippi, Christopher G; 和 Chow, Daniel S，“人工智能在前列腺多参数 MRI (mpMRI) 中的应用：当前和新兴趋势。”《癌症》（巴塞尔）。12，5。1204 (2020)。https://digitalcommons.wustl.edu/open_access_pubs/9270
摘要：前列腺癌是全球最常见的癌症之一。多参数磁共振成像 (mpMRI) 是一种非侵入性工具，可以改善前列腺病变的检测、分类和体积量化。机器学习 (ML) 是人工智能的一个分支，可以快速准确地分析 mpMRI 图像。ML 可以提供更好的标准化和一致性来识别前列腺病变并增强前列腺癌管理。本综述总结了 ML 在前列腺 mpMRI 中的应用，并重点关注前列腺器官分割、病变检测和分割以及病变表征。进行了文献检索，以查找将 ML 方法应用于前列腺 mpMRI 的研究。迄今为止，前列腺器官分割和体积近似已经使用各种 ML 技术很好地执行。前列腺病变检测和分割对于 ML 来说是更具挑战性的任务，并在多项研究中进行了尝试。由于数据稀缺和当前 ML 算法的局限性，它们在很大程度上仍未解决。相比之下，由于数据可用性更高，前列腺病变表征已在多项研究中成功完成。总体而言，ML 完全有能力成为一种提高放射科医生准确性和速度的工具。