top of page

電腦斷層影像於分類卵巢腫瘤之應用

卵巢腫瘤因其組織學的高度異質性,在影像上的型態表現缺乏特異性,造成影像鑑別診斷的困難,為了避免延誤卵巢癌患者的治療以及減少良性腫瘤患者不必要的手術,術前診斷的準確性至關重要。近幾年世界各國及醫學界投入大量資源在電腦輔助診斷技術的開發,與依靠主觀判斷的醫學影像評估相比,人工智慧(artificial intelligence, AI)的優勢在於自動識別影像中的複雜模式並量化人眼無法察覺的影像資訊不少研究顯示放射組學特徵及深度特徵應用在許多腫瘤的分類有優異的結果,然而卻鮮少使用在卵巢腫瘤的分類。本研究團隊成功使用電腦斷層掃描(CT)影像提取放射組學特徵(radiomic feature)及深度特徵(deep learning feature)在卵巢腫瘤良惡性的分類上取得優異的結果,且結果顯示與傳統放射組學特徵(AUC = 0.71)相比,深度特徵(AUC = 0.82)能夠以非侵入性的方式針對卵巢腫瘤良惡性進行分類,具有良好的準確性及特異度。本研究也證實結合放射組學及深度特徵的模型(AUC = 0.85),用於分類卵巢腫瘤良惡性有良好的辨別力,並具協助臨床醫師做出正確處置的能力。






bottom of page