基于深度学习的临床放射学诺米克图用于在直肠癌患者中进行淋巴结转移的术前预测:一项两中心研究
Shiyu Ma1, Haidi Lu1, Guodong Jing1
1Department of Radiology, Changhai Hospital, The Navy Medical University, Shanghai, China.
Frontiers in medicine
|December 18, 2023
概括
这项研究开发了一种深度学习的临床放射学诺基图,使用手术前MRI准确预测直肠癌 (RC) 中的淋巴结转移,改善治疗决策.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 精确的淋巴结转移 (LNM) 的术前评估对于有效的直肠癌 (RC) 治疗至关重要.
- 深度学习和放射学有可能提高瘤学诊断的准确性.
研究的目的:
- 开发和验证用于预测RC中的LNM的临床放射学名图.
- 为了利用深度学习实现自动化MRI细分和特征提取.
- 将临床数据与放射学特征集成,以提高预测性能.
主要方法:
- 两家三级医院的519个RC病例的回顾性分析.
- 使用深度学习算法的自动化MRI细分模型的开发.
- 构建一个集成放射学特征 (Radscore) 和临床参数 (MR T-阶段,CEA,CA19-9) 的预测名录.
- 使用ROC曲线分析和DCA对培训和外部验证队伍的模型性能评估.
主要成果:
- 深度学习细分模型实现了高性能 (DSC: 0.857,HD95: 2.186毫米,ASD: 0.562毫米).
- 与Radscore和主观评估相比,临床放射学名图显示出更高的预测准确性 (AUC:在培训中为0.921,在外部验证中为0.908和0.884).
- 诺米图有效地整合了临床和放射学数据,用于LNM预测.
结论:
- 基于深度学习的自动化MRI细分对于放射学分析是有效的.
- 开发的临床放射学名图是RC中手术前LNM评估的准确工具.
- 这种方法有可能显著改善临床决策和直肠癌护理中的患者管理.
