AUA获奖手术深度学习实时增强膀胱肿

Real-timeAugmentedBladderTumorDetectionwithDeepLearning

使用深度学习进行实时增强膀胱肿瘤检测

INTRODUCTION简介

Whitelightcystoscopyisthestandardimagingmodalityforbladdercancerdetection,treatmentandsurveillance,butaround15%oftumorsaremissed.Enhancedcystoscopytechnologiessuchasbluelightcystoscopyimprovetumordetection,buttheiradoptionremainslimited.Recently,wedevelopedCystoNet,adeeplearningalgorithmcapableofautomatedannotationofbenignbladderlandmarksanddetectionofbladdertumorswithoutadditionalmodificationtostandardcystoscopyinstrumentation.HereinwedescriberealtimeintegrationofCystoNetinrealworldclinicalworkflowincludingofficecystoscopyandtransurethralresection.

白光膀胱镜是膀胱癌检测、治疗和监测的标准成像方式，但仍会漏诊大约15%的肿瘤。蓝光膀胱镜等增强型膀胱镜技术可以提高肿瘤检测率，但应用仍然有限。最近，来自斯坦福大学医学院的研究人员开发了一种名为CystoNet的深度学习算法，能够自动标记良性膀胱标志，在无需对标准的膀胱镜设备进行额外修改的前提下，检测膀胱肿瘤。在此，研究人员描述了CystoNet在现实世界临床工作流程中的实时整合，包括门诊膀胱镜和经尿道膀胱肿瘤切除术。

METHODS方法

ThestudyreceivedIRBapproval.CystoNet,whichpreviouslywastrained,validatedandtestedtoachievehighaccuracyindetectingbladdertumors,wasintegratedtocystoscopysystemsintheclinicandintheoperatingroom(bothflexibleandrigid)toachievereal-timedetectionofbladdertumors.Therewerenomodificationsmadetothecystoscopyinstruments.ThecystoscopyoutputimageswerecaptureddirectlytoalaptopequippedwithGPUprocessors.TheresultingCystoNetresultswerethendisplayedside-by-sidetheactualcystoscopyimagesinreal-time.

本研究得到了IRB的批准。CystoNet系统先前经过培训、验证和测试，在检测膀胱肿瘤方面实现了很高的准确性，本研究将其整合到诊室和手术室的膀胱镜系统中（包括软性和硬性膀胱镜），以实现对膀胱肿瘤的实时检测。研究过程中并未对膀胱镜设备进行任何修改。膀胱镜的输出图像被直接采集到配备有GPU处理器的笔记本电脑上。然后，所得的CystoNet结果与实际的膀胱镜图像并排实时显示。

RESULTS结果

Todate,21subjectshaveprospectivelyundergonecystoscopywithCystoNet.8cystoscopieswereperformedintheclinic,and13wereperformedintheoperatingroom.Noadverseeventswerenoted.CystoNetwasabletodetectpapillaryandflatlesionsinreal-time.Benignfeaturessuchasbubbleswerealsoappropriatelyidentified.Correspondingbladdertissuespecimenweresentforhistopathologytodetermineaccuracy.Ofthe12tumorsconfirmedonpathology,all12weredetectedinreal-timebyCystoNet.

迄今为止，已对21名受试者使用CystoNet进行了前瞻性膀胱镜检查，其中8例膀胱镜检查是在门诊进行，13例在手术室进行，研究并未发现任何不良事件。CystoNet系统能够实时检测乳头状和扁平病变，也可适当识别泡沫样腺体型腺癌等肿瘤良性特征。相应的膀胱组织标本移送至组织病理学检查以确定准确性。经病理证实的12个肿瘤之前均被CystoNet系统性实时检测到。

CONCLUSIONS结论

Wereporttheimplementationofadeeplearningsystemtocystoscopyinreal-timewiththegoalofachievingimproveddetectionofbladdertumor.Thisstudythusfardemonstrateshighaccuracyindetectingbladdertumorsinreal-time.Thetechnologycanbeappliedtovariousimagingmodalitiesincludingbluelightcystoscopywithoutsignificantmodificationsoradministrationofmedications.Thisaugmentedcystoscopymayassisturologistsinachievingimprovedcancerdetection.

研究报告了一个深度学习系统在膀胱镜中的实时实施，旨在进一步改进膀胱肿瘤的检测。目前为止，这项研究证明了实时检测膀胱肿瘤的高准确性。该技术可应用于各种成像方式，包括蓝光膀胱镜，而且也无需进行重大修改或给药。这种增强的膀胱镜检查可协助泌尿科医生实现改进的癌症检测。

—视频报告—

作者：

TimothyChang*,EugeneShkolyar,XiaoJia,TimothyLee,KathleenMach,SimonConti,LeiXing,JosephLiao,Stanford,CA

声明：

本文来自柳叶新潮内容团队，欢迎个人转发至朋友圈。

转载请联系：。