arXiv · cs.AI · Seungbin Park, Thibault Heintz, Rachit Saluja, Francesca Khani, Timothy McClure, Daniel Margolis, Mert R. Sabuncu, Heejong Kim · 5 小时前模型评分29
结合前列腺分区解剖掩膜提升 mpMRI 的 PI-RADS 预测与前列腺癌检测
Improving PI-RADS Prediction and Prostate Cancer Detection from Multiparametric MRI with Anatomical Guidance
导读
研究评估在前列腺多参数磁共振成像（mpMRI，multiparametric MRI）中加入前列腺分区解剖掩膜，能否改善前列腺影像报告和数据系统（PI-RADS，Prostate Imaging Reporting and Data System）评分预测与临床显著前列腺癌（csPCa，clinically significant prostate cancer）检测。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学
事件类型：研究发布
证据摘录
- “Given the importance of lesion location in PI-RADS scoring, we evaluated whether incorporating prostate zonal masks improves PI-RADS prediction and csPCa detection across multiple architectures (3D ResNet-18, ResNet-50, and ViT) using a large-scale internal dataset.”
来源：arXiv · cs.AI · arxiv.org