通过基于对比度增强计算机断层扫描的动态放射性分析预测手术前的微血管侵袭
Zhenghao Zhou1, Tianyi Xia2, Teng Zhang1
1School of Artificial Intelligence, Institute for AI in Medicine, Nanjing University of Information Science and Technology, Nanjing, 210044, China.
Abdominal radiology (New York)
|December 5, 2023
概括
一个新的深度学习模型准确地预测了手术前肝细胞癌 (HCC) 患者的微血管入侵 (MVI). 这种混合模型使用放射学特征,提高了预测准确度,并有助于HCC的手术规划.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 医学成像医学成像
- 人工智能在瘤学中的应用
背景情况:
- 微血管侵入 (MVI) 是肝细胞癌 (HCC) 手术中的关键并发症,显著影响患者的预后.
- 精确的MVI手术前预测对于最佳的手术规划和患者管理至关重要.
研究的目的:
- 开发和验证一个完全自动化的诊断模型,用于预测HCC患者的手术前MVI.
- 为了利用四相动态CT图像和放射学特征进行MVI预测.
主要方法:
- 来自两个中心的140名HCC患者的回顾性分析,分为培训 (n=98) 和测试 (n=42) 组.
- 深度学习用于肝脏瘤细分,然后提取瘤内和周围的放射特征.
- 训练使用临床,放射学和混合特征的线性差异分析 (LDA) 模型,通过AUC,精度,灵敏度和特异性进行评估.
主要成果:
- 混合型号,结合多式联络式放射学特征,在训练 (AUC=0.955) 和测试 (AUC=0.913) 两组中都表现出卓越的性能.
- 混合模型实现了最高的精度 (0.857),灵敏度 (0.875) 和负预测值 (0.917).
- 基于放射学模型的表现略高于基于临床特征的模型.
结论:
- 综合多式内和周围瘤放射学特征的分类模型有效预测HCC患者的MVI.
- 这种自动化方法为手术前MVI评估在HCC管理中提供了一个有前途的工具.
