评估2D和3DCT图像特征在预测瘤对化疗反应的有效性
Neman Abdoli1, Ke Zhang1,2, Patrik Gilley1
1School of Electrical and Computer Engineering, University of Oklahoma, Norman, OK 73019, USA.
Bioengineering (Basel, Switzerland)
|November 25, 2023
概括
这项研究发现,使用两个相邻的CT切片进行二维和三维瘤特征分析显著改善了卵巢癌的化疗反应预测,达到0.91.9的最大AUC. 这突显了优化机器学习模型的潜力.
科学领域:
- 医学图像分析 医学图像分析
- 在瘤学瘤学.
- 机器学习 机器学习
背景情况:
- 2D和3D瘤特征在医学图像分析中至关重要.
- 在卵巢癌中预测化疗反应的特征有效性的全面评估缺乏.
研究的目的:
- 评估不同2D和3D瘤特征在晚期卵巢癌中对化疗反应预测的有效性.
- 确定用于特征提取的CT切片的最佳数量.
主要方法:
- 188名卵巢癌患者CT图像的回顾性分析.
- 对转移性瘤进行细分和过,然后从2D,3D和不完整的3D表示中计算几何,密度和纹理特征.
- 使用五倍交叉验证开发和验证支持矢量机 (SVM) 模型.
主要成果:
- 基于2D特征的模型实现了ROC曲线下的面积 (AUC) 为0.84±0.02.
- 不完整的3D模型显示,随着增加更多的切片,性能得到了改善,高峰值为0.91 ± 0.01,两个相邻的切片.
- 性能随着添加更多的切片而下降.
结论:
- 利用两个相邻的CT切片的特征,可以在卵巢癌中预测最佳的化疗反应.
- 这些发现可以为癌症治疗的基于机器学习的增强决策支持工具的开发提供信息.
