其他行业 · AI应用
用于MRI前列腺癌分割的AI工具
NVIDIA与NIH研究人员合作开发了一种深度学习工具，通过自动从MRI图像中分割前列腺与周围组织，更好地评估前列腺癌。该工具有助于确定前列腺体积和PSA密度。研究团队使用NVIDIA Clara Train SDK开发了混合2D-3D神经网络的3D深度学习流水线，并在多个医疗中心的数据上进行训练。该工具在DICE评分上达到0.922，与经验丰富的放射科医生之间的评分者间DICE评分0.919相当，且无需额外训练即可在多个公共数据集上表现优异。
开发了用于从MRI图像中自动分割前列腺与周围组织的深度学习工具。
未披露
DICE评分达到0.922，与经验丰富的放射科医生之间的评分者间DICE评分0.919相当。
未披露
表现出强大的泛化能力，在多个公共数据集上无需额外训练即可达到或优于最先进算法。
未披露
01
业务背景
NVIDIA与NIH研究人员合作开发了一种深度学习工具，通过自动从MRI图像中分割前列腺与周围组织，更好地评估前列腺癌。该工具有助于确定前列腺体积和PSA密度。研究团队使用NVIDIA Clara Train SDK开发了混合2D-3D神经网络的3D深度学习流水线，并在多个医疗中心的数据上进行训练。该工具在DICE评分上达到0.922，与经验丰富的放射科医生之间的评分者间DICE评分0.919相当，且无需额外训练即可在多个公共数据集上表现优异。
02
遇到的问题
03
AI 解决方案
04
实施结果
开发了用于从MRI图像中自动分割前列腺与周围组织的深度学习工具。：
DICE评分达到0.922，与经验丰富的放射科医生之间的评分者间DICE评分0.919相当。：
表现出强大的泛化能力，在多个公共数据集上无需额外训练即可达到或优于最先进算法。：
使用NVIDIA Clara Train SDK和TensorFlow，在多个医疗中心的数据上利用NVIDIA V100 GPU进行训练。：
05
风险与边界
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。