XXX. Magyar Radiológus Kongresszus

On-line, 2021. június 17-19.

3. Szekció: Mesterséges intelligencia

S03.05: Fokális májelváltozások diagnosztikája mesterséges intelligenciával májspecifikus kontrasztanyaggal készült MR vizsgálatokon

Stollmayer Róbert1, Budai Bettina Katalin1, Tóth Ambrus1, Turtóczki Kolos1, Hartmann Erika2, Kalina Ildikó1, Bérczi Viktor1, Maurovich Horvat Pál1, Kaposi Novák Pál1
1 Semmelweis Egyetem, Orvosi Képalkotó Klinika, Radiológiai Tanszék
2 Semmelweis Egyetem, Transzplantációs és Sebészeti Klinika, Radiológia Osztály

Összefoglaló szövege

Célkitűzés:
Az elmúlt években számos ígéretes kutatási eredmény született a fokális májelváltozások mesterséges intelligencia alapú klasszifikációjának eredményességéről, viszont a különböző dimenziójú neurális hálózatok összehasonlítása csak kevés vizsgálatban került sor ezen a területen. Kutatásunk célja a kétdimenziós és háromdimenziós úgynevezett “sűrűn kapcsolt konvolúciós hálózatok” (DenseNet264) klasszifikációs pontosságának összehasonlítása fokális májléziók multi-szekvenciális MRI felvételeinek vizsgálata során.

Módszerek:
Retrospektív kutatásunkban T2-súlyozott illetve dinátrium-gadoxetát kontrasztanyag felhasználásával készített artériás, portális vénás és hepatobiliáris fázisú MR felvételeket gyűjtöttünk focalis nodularis hyperplasiával (FNH), hepatocellularis carcinomával (HCC) illetve májmetastasissal (MET) diagnosztizált betegekről. A végső adathalmaz 71 FNH-t, 69 HCC-t és 76 MET-t tartalmazott. A felvételekből 3-3 axiális szelet került kivágásra, melyeket egy-egy négycsatornás fájlba kódoltunk a 2D-DenseNet264 hálózattal való vizsgálathoz. A 3D-DenseNet264 háló tanításához a négy bemeneti volumen fájlt szintén egy-egy négycsatornás fájlba egyesítettük. A betanított hálózat teszteléséhez minden csoportból véletlenszerűen 10-10 léziót választottunk ki. A modellek predikciós pontosságát a vevő működési karakterisztika (ROC) görbe alatti terület (AUC), szenzitivitás, specificitás, pozitív prediktív érték (PPÉ), negatív prediktív érték (NPÉ) és f1 score alapján hasonlítottuk össze minden lézió csoport esetében. A ROC görbék páronkénti összehasonlítására DeLong tesztet végeztünk.

Eredmények:
Kétdimenziós neurális háló klasszifikációs pontossága a három tumor típus között 97,83%-os átlagos AUC értéknek adódott, míg a háromdimenziós modell esetében 94,33%-os átlagos AUC értéket értünk el a teszt halmazon. Az átlagos PPÉ, szenzitivitás, NPÉ, specificitás és f1 score az alábbiak szerint alakultak: 93,94%; 93,33%; 96,97%; 96,67% és 93,12% a kétdimenziós, illetve 84,17%; 83,33%; 91,94%; 91,67% és 83,20% a háromdimenziós neurális háló független teszthalmazon való alkalmazása esetén. A ROC görbék tumor típusonként történő páros összehasonlításakor nem találtunk szignifikáns különbséget a kétdimenziós és a háromdimenziós neurális hálók predikciós teljesítménye között (FNH esetén p = 0,4835; HCC esetén p = 0,4347; MET esetén p = 0,1913).

Következtetés:
Elért eredményeink fényében a fokális májléziók MRI felvételeinek neurális hálókkal való elemzéséhez a pixel (2D-DenseNet264) és a voxel alapú (3D-DenseNet264) képfeldolgozást hasonlóan előnyösnek találtuk.