只有放射学中的形状特征可以帮助机器学习显示膀癌已经侵入肌肉吗?

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:

• 肌肉侵入性膀癌 (BCa) 需要不同的治疗策略.
• 精确的肌肉侵袭术前评估对于有效的BCa管理至关重要.

研究的目的:

• 评估放射形状特征在预测肌肉侵入性BCa.的诊断性能.
• 确定这些特征在区分肌肉侵入性和表面性BCa.a.之间有多有用.

主要方法:

• 从60名患者的手术前MRI扫描进行了回顾性分析,这些患者在组织学上已证明BCa.
• 在表面扩散系数 (ADC) 地图和T2加权 (T2W) 图像上对瘤体积的细分.
• 使用PyRadiomics提取放射形状特征,并通过机器学习算法进行分类.

主要成果:

• 在ADC地图上,在侵入性和非侵入性BCa组之间观察到表面积和体积的显著差异.
• 表面BCa在两种成像方式中表现出比侵入性BCa更为球形的形状.
• 在使用ADC地图形状特征预测肌肉入侵时,物流回归实现了83.3%的准确性.

结论:

• 来自MRI的放射形状特征是膀癌肌肉入侵的有价值的预测因素.
• 对这些特征的机器学习分析可以帮助对BCa肌肉侵袭进行非侵入性评估.