将自动决策树模型添加到状腺瘤的多参数MRI中,可以提高临床性能

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:

• 状腺瘤管理依赖于准确的组织学类型.
• 仅仅形态磁共振成像 (MRI) 对于表征这些瘤有局限性.

研究的目的:

• 开发使用多参数MRI参数的自动决策树模型,用于状腺瘤的表征.
• 评估这些模型的诊断附加值与传统的形态MRI序列相比.

主要方法:

• 开发分类和回归树 (CART) 模型,使用206名患者的多参数MRI数据 (扩散权重成像[DWI]和动态对比增强[DCE]).
• 使用接收器操作特征 (ROC) 曲线对诊断性能进行比较分析,评估仅基于形态序列的读数与形态加多参数序列和CART发现的读数.

主要成果:

• 多参数MRI分析显著提高了大多数腺瘤类型的诊断性能 (p < 0.001到p = 0.011).
• 显而易见的扩散系数 (ADC平均值) 是最佳的,用于识别多形腺瘤,癌瘤和淋巴瘤.
• 平均细胞外-血管外空间 (EES) 系数有效地区分了小瘤.

结论:

• 集成多参数MRI序列的自动决策树模型大大改善了腺瘤的非侵入性诊断.
• ADC和EES系数是准确的瘤分类和腺成像决策的关键参数.