Comparison of Prostate MRI Lesion Segmentation Agreement Between Multiple Radiologists and a Fully Automatic Deep Learning System
Patrick Schelb, Anoshirwan Andrej Tavakoli, Teeravut Tubtawee, Thomas Hielscher, Jan-Philipp Radtke, Magdalena Görtz, Viktoria Schütz, Tristan Anselm Kuder, Lars Schimmöller, Albrecht Stenzinger, Markus Hohenfellner, Heinz-Peter Schlemmer, David Bonekamp · RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 2021 · Heft 05 · S. 559-573
Bibliografische Angaben
Zusammenfassung
Zusammenfassung Ziel Ein kürzlich eigens entwickeltes künstliches neuronales Netzwerk (U-Net) zeigte eine gute und mit klinischer radiologischer Befundung vergleichbare Erkennungsrate klinisch signifikanter Prostatakarzinome (sPC). In dieser Arbeit wird nun die Kongruenz der durch U-Net und mehrere Radiologen erstellten Läsionsvolumina (der Segmentationen) verglichen. Materialien und Methoden 165 Patienten mit Verdacht auf sPC erhielten eine multiparametrische MRT (mpMRT) bei 3 Tesla, gefolgt von gezielter und systematischer MR/TRUS-Fusionsbiopsie. Fünf Segmentationen pro Untersuchung wurden erstellt: Segmentati…
