使用多个DWI模型,DWI衍生生物标记器和机器学习分类器进行直肠癌的手术前分类

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医疗成像医学成像

背景情况:

• 结直肠癌分级对于治疗计划至关重要.
• 对于手术前分类的非侵入性方法是非常理想的.

研究的目的:

• 评估各种扩散权重成像 (DWI) 技术在术前直肠癌分级的疗效.
• 为了比较单指数DWI,Intravoxel不连贯运动 (IVIM) 和扩散曲解成像 (DKI) 的参数.

主要方法:

• 85名直肠癌患者使用DWI进行了分析.
• 统计分析发现,低级瘤和高级瘤之间的DWI参数存在显著差异.
• 机器学习分类器被训练使用DWI参数用于诊断建模.

主要成果:

• IVIM和DKI参数显著区分了低度和高度的直肠癌.
• 一种后勤回归模型实现了高诊断性能 (AUC:0.902).

结论:

• 多个DWI衍生标记与机器学习相结合,为直肠癌分级提供了一个有希望的非侵入性方法.
• 这一策略增强了手术前评估,并可能指导治疗决策.