基于3D-CT多尺度特征的自动分析框架,用于准确预测实质性细胞癌中Ki67表达水平
Huancheng Yang1,2,3, Jiashan Lin1,3,4, Hanlin Liu5
1Luohu Clinical Institute, Shantou University Medical College, Shantou, 515000, China.
Insights into imaging
|July 19, 2023
概括
使用3D-CT多尺度特征的自动化框架准确地预测细胞癌 (RCC) 中的Ki67表达. 这种工具在RCC管理中显示出临床应用的前景.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医学成像分析 医学成像分析
背景情况:
- Ki67表达是细胞癌 (RCC) 的关键预后标志物.
- 准确预测Ki67水平对于治疗规划和患者管理至关重要.
- 目前评估Ki67的方法可能耗时且主观.
研究的目的:
- 评估用于预测RCC中的Ki67表达的自动化分析框架.
- 为了利用3D-CT多尺度特征进行非侵入性Ki67水平预测.
- 在内部和外部验证队伍中评估框架的准确性.
主要方法:
- 开发了一个使用3D UNet进行脏和瘤细分的自动化框架.
- 从3D-CT扫描中提取多个尺度的特征,重点关注脏瘤特征.
- 采用XGBoost分类器用于低/高Ki67预测,经过五倍交叉验证和SHAP分析验证.
主要成果:
- 结合脏和瘤特征在Ki67预测中表现优于单个特征.
- 最佳模型实现了接收器操作特征曲线 (AUROC) 下的面积为0.87 ± 0.1 (内部) 和0.82 ± 0.1 (外部).
- 瘤第一阶级-10P被确定为最有影响力的预测特征.
结论:
- 拟议的自动化框架显示了在RCC中准确预测Ki67表达的巨大潜力.
- 这种基于3DCT的方法提供了一种可靠的,非侵入性的方法来评估瘤的攻击性.
- 该框架的研究结果表明,在管理大量RCC病例时,它可能具有临床实用性.
