基于CT的深度学习放射学诺米克图用于预测膀癌的病理等级:一个多中心研究
Hongzheng Song1, Shifeng Yang2, Boyang Yu3
1Department of Radiology, The Affiliated Hospital of Qingdao University, 16 Jiangsu Road, Qingdao, Shandong, China.
概括
一种基于计算机断层扫描 (CT) 的新型深度学习放射学诺米克图 (DLRN) 准确预测膀癌 (BCa) 病理等级. 这个DLRN工具显示了术前BCa分级的巨大潜力.
科学领域:
- 放射学 放射学是指放射学
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 精确的膀癌 (BCa) 术前病理分类对于治疗规划至关重要.
- 计算机断层扫描 (CT) 成像为非侵入性BCa分级提供了潜力.
研究的目的:
- 开发和验证基于CT的深度学习放射学名图 (DLRN),用于在手术前预测膀癌 (BCa) 的病理级别.
- 与传统方法相比,评估DLRN的诊断性能和临床实用性.
主要方法:
- 追溯招募688名BCa患者 (469名培训,219名外部测试).
- 从三相CT图像中提取手工制作的放射学 (HCR) 和深度学习 (DL) 功能.
- 通过将放射性特征与临床因素整合起来,开发一个DLRN,使用机器学习分类器进行评估.
主要成果:
- 组合的HCR和DL特征模型实现了高AUC值 (0.953训练,0.943外部测试).
- DLRN表现出优异的性能,AUC为0.961 (训练) 和0.947 (外部测试),单独超过了临床模型和放射性签名.
- 临床模型显示较低的AUC值 (0.752训练,0.745外部测试).
结论:
- 拟议的基于CT的DLRN具有强大的诊断能力,可以区分高等级和低等级的BCa.
- DLRN作为一个有前途的工具,用于膀癌的非侵入性手术前病理分类.
