在使用基于MRI T2WI放射学的多个机器学习算法来预测直肠癌中瘤芽的术前预测
Xueting Qu1, Liang Zhang2, Weina Ji2
1Department of Radiology, Qingdao Municipal Hospital, Qingdao University, Qingdao, Shandong, China.
Frontiers in oncology
|November 9, 2023
概括
这项研究使用MRI T2WI开发了一种放射学模型,以预测直肠癌中的瘤芽 (TB) 分级. 支持矢量机算法表现最好,提供了一个非侵入性的术前评估工具.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 瘤芽 (结核病) 是直肠癌的一个关键预后因素.
- 准确的结核病手术前分类对于治疗计划至关重要.
- 目前用于结核病分类的方法可能具有侵入性或缺乏精度.
研究的目的:
- 探索基于磁共振成像 (MRI) T2WI的放射学模型,用于在直肠癌中预先预测瘤芽 (TB) 分级.
- 在这个预测任务中比较不同机器学习算法的有效性.
主要方法:
- 对266名直肠癌患者进行了回顾性分析,他们接受了手术前的MRI T2WI.
- 使用最小绝对收缩和选择运算符 (LASSO) 进行特征提取和维度减少.
- 构建和评估八个机器学习模型,包括支持矢量机器 (SVM),使用ROC曲线,AUC和决策曲线分析 (DCA).
主要成果:
- 在特征选择后,确定了11个与结核病分级相关的图像特征.
- SVM算法显示出最高的诊断性能,在训练组中达到0.826的准确性,在验证组中达到0.713的准确性.
- DCA证实了开发的放射学模型的临床实用性.
结论:
- 使用MR T2WI的放射学模型是一种有效的非侵入性方法,用于在直肠癌中进行手术前结核病分级.
- 这种方法可以帮助优化治疗策略.
- 机器学习算法,特别是SVM,在提高放射性预测的准确性方面表现有前途.
