基于深度学习的放射性诺米克图用于预测前列腺癌中的Ki67表达
Shuitang Deng1, Jingfeng Ding2, Hui Wang1
1Department of Radiology, Tongde Hospital of Zhejiang Province, No. 234 Gucui Road, Zhejiang Province, 310012, Hangzhou, China.
BMC cancer
|July 8, 2023
概括
深度学习模型使用多参数MRI准确预测前列腺癌 (PCa) 中的Ki67表达. 这些模型为手术规划提供了有价值的手术前预后数据.
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:
- 前列腺癌 (PCa) 管理从准确的Ki67表达预测中受益.
- 多参数磁共振成像 (MRI) 提供了非侵入性评估的潜力.
研究的目的:
- 评估基于多参数MRI的深度学习模型在PCa中进行术前Ki67表达预测的有效性.
- 将深度学习模型的性能与传统的临床模型进行比较.
主要方法:
- 对来自两个中心的229名PCa患者的回顾性分析.
- 从多参数MRI序列 (DWI,T2WI,CE-T1WI) 中提取和选择深度学习特征.
- 临床,深度学习 (DLRS-Resnet,DLRS-Inception,DLRS-Densenet) 和联合 (Nomogram) 模型的开发和验证.
主要成果:
- 深度学习和联合模型实现了高预测性能,AUC从0.939到0.993.99不等.
- 深度学习和联合模型的表现明显优于临床模型 (AUC 0.794-0.75) (p < 0.01).
- 具体比较显示Nomogram-Resnet优于DLRS-Resnet,其他模型没有显著差异.
结论:
- 开发的深度学习模型为PCa的手术前Ki67预测提供了准确,易于使用的工具.
- 这些模型可以在手术前为医生提供关键的预后信息.
