通过定性MRI特征和整合定性和定量特征的机器学习算法来分类肝细胞腺瘤:一项概念验证研究
X Liu1, O Espin-Garcia2, F Khalvati3
1Joint Department of Medical Imaging, University Health Network, Sinai Health System, University of Toronto, 585 University Ave., Toronto, ON, M5G 2N2, Canada.
Clinical radiology
|June 26, 2023
概括
使用定性MRI特征和机器学习,提高了肝细胞腺瘤 (HCA) 亚型. 定量MRI功能也有助于诊断特定的HCA亚型,提供有前途的临床管理见解.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 肝细胞腺瘤 (HCA) 是一种罕见的良性肝脏瘤,具有不同的亚型.
- 准确地分类HCA对于临床管理和风险分层至关重要.
- 目前的亚型化严重依赖于组织病理学,这可能是侵入性的.
研究的目的:
- 评估HCA亚型化定性磁共振成像 (MRI) 功能的准确性.
- 评估使用机器学习 (ML) 与定性和定量MRI特征用于HCA差异化的可行性.
- 将基于ML的亚型与基因病理学作为参考标准进行比较.
主要方法:
- 追溯分析了39个基因病学亚型的HCAs (HHCA,IHCA,BHCA,UHCA).
- 两个失明的放射科医生使用拟议的方案评估了定性MRI特征.
- 机器学习算法 (随机森林,SVM,后勤回归) 应用于定性和定量MRI数据.
- 提取了1,409个放射性特征,并将其减少到ML分析的10个主要组件.
主要成果:
- 定性MRI特征实现了87% (HHCA),82% (IHCA) 和74% (UHCA) 的诊断准确率.
- 基于定性MRI特征的ML显示不同亚型的AUC范围从0.642到0.846.
- 定量放射性特征表明AUC为0.83和0.82用于预测HHCA,灵敏度为72%和特异性为85%.
结论:
- 集成的定性MRI特征和ML算法为HCA亚型化提供了高精度.
- 定量放射性特征对于诊断HHCA亚型非常有价值.
- 这些基于MRI的方法显示出改善HCA患者临床管理的前景.
