脑膜瘤一致性评估基于深度学习特征和放射学特征的融合
Jiatian Zhang1, Yajing Zhao2, Yiping Lu2
1School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei 230022, China; Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou 215163, China.
European journal of radiology
|December 10, 2023
概括
这项研究结合了深度学习和放射学特征,可以在手术前准确预测脑膜瘤的一致性. 开发的模型有助于医生在术前瘤评估,改善患者的护理.
科学领域:
- 神经成像是一种神经成像.
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 脑膜瘤是常见的原发性脑瘤.
- 精确的脑膜瘤一致性的术前评估对于手术规划至关重要.
- 目前的方法可能无法完全捕捉瘤特征.
研究的目的:
- 开发一种计算机辅助的方法,用于术前评估脑膜瘤的一致性.
- 结合深度学习功能和放射学功能,以提高预测.
- 评估拟议模型的临床实用性.
主要方法:
- 追溯分析了202例带有病理诊断的脑膜瘤病例.
- 使用T2-流体减弱反转恢复 (T2-Flair) MRI图像对脑膜瘤一致性 (软/硬) 的分类.
- 通过卷积神经网络 (CNN) 和放射学特征提取深度学习特征.
- 使用后勤回归的特征选择和分类模型的构建.
- 基于最小绝对收缩和选择操作员 (LASSO) 签名的编号表的开发.
主要成果:
- 综合17个放射学和9个深度学习特征的物流回归模型在测试队列中实现了0.943的AUC.
- 诺米图表表现出良好的校准,C指数为0.822 (训练) 和0.943 (测试).
- 决策曲线分析证实了名图在预测脑膜瘤的一致性方面的临床有用性.
结论:
- 深度学习和放射学特征的融合为手术前脑膜瘤一致性评估提供了一个潜在的有价值的工具.
- 开发的模型可以帮助神经外科医生在手术前确定瘤的一致性.
- 这种方法可以改善手术规划和患者的治疗结果.
