深度学习放射学诺米克图基于多相计算机断层扫描,用于预测乳腺癌中带淋巴结转移的发生

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:

• 准确预测状淋巴结转移 (ALNM) 对乳腺癌的分期和治疗至关重要.
• 目前的方法在精确识别ALNM时可能存在局限性.

研究的目的:

• 开发和验证一个深度学习放射学名图 (DLRN) 用于预测乳腺癌中的ALNM.
• 评估DLRN的预测性能和临床实用性.

主要方法:

• 对196名侵袭性乳腺癌患者的回顾性分析.
• 从CT扫描中提取放射学和深度学习特征.
• 使用支持向量机器构建放射学和深度学习签名.

主要成果:

• 放射学特征,深度学习特征和临床阶段是ALNM的独立预测因素.
• 通过良好的校准,DLRN在验证集中实现了0.893的AUC.
• 决策曲线分析表明DLRN的临床效用优越.

结论:

• 在乳腺癌中,DLRN对ALNM具有很强的预测价值.
• 该工具为量身定制个体患者治疗策略提供了有价值的见解.