novinky.nakupovanie.sk
sobota 21. novembra 2026
Zdravie a medicína

Rôznorodosť protokolov MRI ovplyvnila automatické vymedzovanie metastáz v mozgu

Modely hlbokého učenia zvládali rozdiely medzi sekvenciami MRI spoľahlivejšie, keď ich vedci trénovali na viacerých typoch sekvencií.

AI ilustrácia k téme článku
Ilustrácia · Vlastná redakcia · Podmienky použitia

Retrospektívna štúdia zverejnená 20. novembra 2026 v časopise PLOS One skúmala vplyv rozdielnych T1-vážených protokolov MRI na automatické vymedzovanie metastáz v mozgu. Vedci porovnali trojrozmerné modely 3D Attention U-Net a DUCK-Net 3D.

Analyzovali 925 vyšetrení MRI s kontrastnou látkou od 720 pacientov s metastázami v mozgu. Vývojový súbor zahŕňal 889 vyšetrení od 684 pacientov a nezávislý testovací súbor 36 vyšetrení. Žiadny pacient nebol zaradený do oboch súborov.

DUCK-Net 3D dosahoval v nezávislých súboroch vyrovnanejšie výsledky, najmä keď sa sekvencia použitá pri testovaní líšila od tréningových údajov. Najstabilnejšie výsledky naprieč sekvenciami priniesol tréning na viacerých sekvenciách, kým modely trénované na jedinej sekvencii boli citlivejšie na rozdiely medzi protokolmi.

Presnosť oboch modelov klesala pri ložiskách menších ako 0,4 mililitra. Po prevzorkovaní snímok už nebolo zastúpených 14 z 547 referenčných ložísk v nezávislom testovacom súbore; všetky mali objem menší ako 0,4 mililitra. Autori upozornili, že išlo o retrospektívnu štúdiu z jediného pracoviska bez externého overenia vo viacerých centrách.

Zdieľať

Zaujalo vás to? Pošlite správu ďalej.

FacebookXThreadsTelegramPinterest

Skopírujte text a verejný odkaz, otvorte aplikáciu a vložte ich do príspevku.

Odkaz na článok

Zdroje

  • PLOS One · 2026-11-21T08:10:42.076Z
    Impact of MRI sequence heterogeneity on deep learning–based segmentation of brain metastases · Dong-Won Shin, Chang Hyun Lee, Hyun Ju Kim, Kihoon Sung, Young Jae Kim, Kwang Gi Kim et al. (2026), PLOS One, DOI: 10.1371/journal.pone.0363055. · Creative Commons Attribution License; version not stated in API

    Shin et al This is an open access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited. Selected abstract and body passages only; no figure, table, dataset, logo or third-party media reuse.

    Slovenské spracovanie a prípadný preklad: novinky.nakupovanie.sk, 2026, s využitím AI. Text bol skrátený a redakčne upravený. Nejde o oficiálny preklad ani schválenie autorom či PLOS.