基于深度学习的多参数MRI模型用于直肠癌的手术前T阶段
Yaru Wei1,2, Haojie Wang3,4, Zhongwei Chen1
1Department of Radiology, The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, China.
Journal of magnetic resonance imaging : JMRI
|June 27, 2023
概括
使用多参数MRI的深度学习模型与放射学家和单参数模型相比,显著提高了直肠癌T阶段精度. 这种先进的深度学习方法为直肠癌患者提供了更精确的手术前分期.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 对于直肠癌的常规MRI分期提出了手术前评估挑战.
- 深度学习 (DL) 在癌症诊断和预后方面表现有前途,但其在直肠癌T阶段化中的作用尚不清楚.
研究的目的:
- 开发使用术前多参数MRI用于直肠癌评估的DL模型.
- 评估模型在提高T分期精度方面的潜力.
主要方法:
- 一项涉及260名直肠癌患者的回顾性研究.
- 使用动态对比增强 (DCE),T2加权成像 (T2W) 和扩散加权成像 (DWI) 构建了一个多参数DL卷积神经网络模型.
- 性能与单参数DL模型,临床后勤回归模型和放射科医生评估进行了比较.
主要成果:
- 多参数DL模型实现了曲线下的面积 (AUC) 为0.854.
- 这显著超过了放射学家的评估 (AUC=0.678),临床模型 (AUC=0.747) 和单参数DL模型 (AUC从0.735到0.789).
结论:
- 与现有方法相比,开发的多参数DL模型在直肠癌T阶段测定方面表现优越.
- 这种模型有可能帮助临床医生实现更可靠,更准确的手术前T分期诊断.
更多相关视频
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
290
15:48Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
Published on: December 15, 2014
22.5K
