基于CT的深度学习模型:一种新的方法,用于腹膜转移患者的手术前分期
Jipeng Wang1,2, Yuannan Hu3, Hao Xiong4
1Department of Gastrointestinal Surgery, Zhongnan Hospital of Wuhan University, No.169 Donghu Road, Wuhan, 430071, Hubei, China.
Clinical & experimental metastasis
|October 5, 2023
概括
使用增强计算机断层扫描 (CT) 图像的深度学习 (DL) 模型在手术前准确地分阶段腹转移 (PM). 这种人工智能方法可以改善PM的腹部癌症患者的治疗计划.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 腹膜转移 (PM) 是晚期腹部癌症的常见并发症.
- 精确的PM手术前阶段确定对于有效的患者治疗策略至关重要.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于腹膜转移 (PM) 的术前分期.
- 评估DL模型的性能与PM分期的临床和放射学模型相比.
主要方法:
- 通过对比度增强的腹部CT扫描对168名患者构建了一个深度学习模型.
- 从门静脉阶段CT图像中提取特征,然后使用斯皮尔曼相关性和LASSO进行选择.
- 用曲线下的面积 (AUC),决策曲线分析 (DCA) 和校准曲线来评估模型性能.
主要成果:
- DenseNet121-SVM DL模型实现了高差异化,其AUC为0.996 (培训) 和0.951 (验证).
- 在手术前分期准确度方面,DL模型在临床和放射学模型中都表现出色.
- 决策曲线分析表明,根据DL模型指导的治疗对患者有潜在的益处.
结论:
- 使用增强型CT成像的深度学习模型可以在手术前准确预测腹转移的程度.
- 这种人工智能驱动的方法有助于优化治疗计划,并最大限度地提高晚期腹部恶性瘤患者的治疗效益.
