基于计算机断层扫描的最佳生物标志物用于预测切口的形成
A A Talwar1, A A Desai1, P B McAuliffe1
1Division of Plastic Surgery, Department of Surgery, University of Pennsylvania Health System, 3400 Civic Center Boulevard, 14th floor South Tower, Philadelphia, PA, 19104, USA.
Hernia : the journal of hernias and abdominal wall surgery
|September 7, 2023
概括
机器学习和CT成像可以使用最佳生物标志物 (如脂肪和肌肉组织体积) 预测切口. 这些发现通过分析非结构化数据来改善患者的治疗结果,提高了外科预测.
科学领域:
- 放射学和医学成像学 医学成像学
- 手术预测手术预测
- 机器学习在医疗保健中的应用
背景情况:
- 切口 (IH) 是一个常见的术后并发症.
- 医学成像中的非结构化数据,特别是CT扫描,在预测目的中仍未得到充分利用.
- 先进的图像分析和机器学习 (ML) 提供了利用这些数据的潜力.
研究的目的:
- 从术前腹腔皮层CT扫描中确定最优的生物标志物 (OBM),这些生物标志物最能预测切口的发展.
- 用这些OBMs评估ML模型在预测IH中的有效性.
主要方法:
- 分析了212名结直肠手术患者的手术前CT扫描.
- 包括线性,体积,强度和纹理数据在内的特征被提取和细分.
- 三个ML分类器 (集体提升,随机森林,SVM) 在OBM的子集上接受了IH预测的训练.
主要成果:
- 确定了三个关键的OBM:正常化的腹腔皮层内脏脂肪组织 (VAT) 体积,正常化的腹腔皮层骨肌肉组织体积,以及骨盆VAT与骨盆外侧身体壁骨肌肉 (OAM) 体积的比率.
- 集体提升模型实现了最高的性能,AUC为0.85,准确度为0.83,灵敏度为0.86,特异性为0.81.
- 这些OBM集体表明腹腔内皮层压力增加是IH的驱动因素.
结论:
- 已识别的OBM具有很高的预测性,对切口的发展有很高的预测性.
- 使用这些OBM的ML模型显示了术前外科风险评估的巨大潜力.
- 未来的外科预测将越来越多地通过先进的ML技术利用非结构化成像数据.
更多相关视频
05:37Cone Beam Intraoperative Computed Tomography-based Image Guidance for Minimally Invasive Transforaminal Interbody Fusion
Published on: August 6, 2019
6.3K
07:41Quantification of Levator Ani Hiatus Enlargement by Magnetic Resonance Imaging in Males and Females with Pelvic Organ Prolapse
Published on: April 17, 2019
9.9K