相关实验视频
Updated: Jul 11, 2025
07:17
An Orthotopic Resectional Mouse Model of Pancreatic Cancer
Published on: September 24, 2020
10.7K
计算机断层扫描和基于指南的人机融合模型,用于预测胰腺癌的切除能力
Adilijiang Yimamu1, Jun Li2, Haojie Zhang1
1General Surgery Center, Department of Hepatobiliary Surgery II, Guangdong Provincial Research Center for Artificial Organ and Tissue Engineering, Guangzhou Clinical Research and Transformation Center for Artificial Liver, Institute of Regenerative Medicine, Zhujiang Hospital, Southern Medical University, Guangzhou, China.
Journal of gastroenterology and hepatology
|November 14, 2023
概括
一个新的混合机器学习模型使用计算机断层扫描 (CT) 扫描和国家综合癌症网络 (NCCN) 准则准确预测胰腺癌切除能力,仅仅优于专家评估.
科学领域:
- 放射学和机器学习在瘤学中的应用
- 医学成像分析 医学成像分析
- 癌症治疗计划 癌症治疗计划
背景情况:
- 胰腺癌的切除能力对于患者的治疗结果至关重要.
- 精确预测切除能力有助于治疗决策.
- 目前的方法依赖于成像和临床指南.
研究的目的:
- 开发一种混合机器学习 (ML) 模型,用于预测胰腺癌的切除能力.
- 将CT扫描中的放射学特征与专家NCCN指南评估相结合.
- 与现有方法相比,提高可切除性预测的准确性.
主要方法:
- 对349名胰腺癌患者进行了回顾性研究.
- 从3DCT成像中提取788个手工制作的放射性特征.
- 开发传统的放射学 (cRad),3D内核支持张量机 (KSTM) 和3DResNet模型.
- 将ML模型和专家NCCN指南评估融合为人机融合ML模型 (HMfML).
主要成果:
- 多分类器融合ML模型实现了0.8610的AUC,表现优于单个模型.
- HMfML表现出优异的性能,AUC为0.8845,准确度为82.56%,灵敏度为84.21%,特异性为82.09%.
- HMfML模型可能会学习专家评估中遗漏的微妙成像特征,从而提高预测准确度.
结论:
- 开发的HMfML模型准确地预测了胰腺癌的切除能力.
- 综合成像数据和专家知识的混合ML方法显示出重大前景.
- 这种方法可以帮助优化胰腺癌的手术规划和患者管理.
