基于剪波弹性图的深度学习模型,用于对急性失补性肝硬化患者的预后

科学领域:

• 肝病学 肝病学是一种肝病学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 急性不补偿性肝硬化症带来了重大的预后挑战.
• 准确预测患者的结果对于临床管理至关重要.

研究的目的:

• 开发和验证使用2D剪波弹性学 (SWE) 进行深度学习模型,用于预测急性不补偿性肝硬化患者的1年死亡率.

主要方法:

• 在288名患者的二维SWE图像上使用Resnet-50开发了一个深度学习签名 (DLswe).
• 通过多变量考克斯回归,一个组合名图集成了DLswe与实验室数据.
• 模型的性能被评估为预测性歧视,校准和临床有用性.

主要成果:

• 在DLswe取得的C指数为0.748 (培训) 和0.744 (测试).
• 组合的诺米图显著提高了预测准确性 (C指数0.823训练,0.808测试) 和其他指标.
• 诺米图表显示了良好的校准和临床实用性.

结论:

• 一个基于2D SWE的深度学习模型为预后评估提供了一种非侵入性的方法.
• 这种方法提高了不补偿性肝硬化患者的结果预测准确度.