预测高度软组织肉瘤使用基于MRI的综合性 intratumoural和peritumoural辐射学名图
1Department of Ultrasound, The First Affiliated Hospital, Dalian Medical University, Dalian, China; Department of Radiology, The Second Hospital, Dalian Medical University, Dalian, China.
Clinical radiology
|September 25, 2023
概括
这项研究开发了一种基于磁共振成像 (MRI) 的放射学名图,以预测软组织肉瘤 (STS) 瘤等级. 综合放射学名图显示在识别高度STS方面具有卓越的准确性,改善了临床治疗和预后.
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:
- 软组织肉瘤 (STS) 的准确分类对于治疗规划和预后至关重要.
- 磁共振成像 (MRI) 提供了详细的解剖学和纹理信息,对瘤特征有价值.
- 放射学,从医学图像中提取定量特征,具有非侵入性瘤分类的潜力.
研究的目的:
- 开发和验证一种基于MRI的放射学诺米克图,用于预测STS瘤等级.
- 与传统的MRI特征和仅使用放射学模型相比,评估放射学名图的性能.
主要方法:
- 从57名STS患者的MRI (3T) 和T2加权成像与脂肪和 (T2WI-FS) 放射特征的回顾性分析.
- 提取内瘤和周瘤放射学特征,以及瘤大小和增强模式等临床参数.
- 开发一个MRI特征名图,一个放射学模型和一个联合放射学名图,使用接收器操作特征 (ROC) 和校准曲线进行验证.
主要成果:
- 在T2WI上瘤异质性和周周瘤增强被确定为高度STS的独立风险因素.
- 综合放射学名图实现了高预测性能,训练组的曲线下面积 (AUC) 为0.98,验证组为0.96.
- 放射学名图显著超过了MRI特征名图和仅仅放射学模型.
结论:
- 开发的放射学名图,集成MRI和放射性特征,是预测高等级STS的高效工具.
- 这种方法可能会提高瘤分级的准确性,从而改善临床管理和患者的治疗结果.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
08:57Author Spotlight: Genetically Engineered Mouse Models and Pathological Characterization of Neurofibromatosis Type 1 Associated Tumors
Published on: May 17, 2024
2.0K
