End-to-end deep learning for the diagnosis of pelvic and sacral tumors using non-enhanced MRI: a multi-center study
8.0
来源：
Nature
发布时间：
2025-08-15 04:02
摘要：
本研究开发了一种基于深度学习的模型，利用非增强MRI有效诊断盆腔和骶骨肿瘤，表现出与对比增强模型相当的准确性和更短的诊断时间，具有重要的临床应用价值。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
3.0分+重点关注领域符合度
business_impact
0.5分+商业影响力
scientific_rigor
2.5分+数据支撑的科学性
audience_relevance
0.5分+受众相关性
timeliness_innovation
1.5分+时效性与创新性
关键证据
所提模型在诊断PST方面表现出色，提供了有效的临床工具。
使用835名患者的数据进行训练和验证，确保了数据的科学性。
研究具有多中心的国际视角，增强了结果的普适性。
真实性检查
否
AI评分总结
本研究开发了一种基于深度学习的模型，利用非增强MRI有效诊断盆腔和骶骨肿瘤，表现出与对比增强模型相当的准确性和更短的诊断时间，具有重要的临床应用价值。