相关实验视频
Updated: Jul 26, 2026
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.5K
从多站点MRI和临床数据的放射学来预测临床上显著的前列腺癌
Wolfgang Krauss1, Janusz Frey2, Jakob Heydorn Lagerlöf3,4
1Department of Radiology and Medical Physics, Faculty of Medicine and Health, Örebro University, Örebro, Sweden.
Acta radiologica (Stockholm, Sweden : 1987)
|December 20, 2023
概括
在MRI模型中添加放射性物质并没有显著改善临床显著前列腺癌 (csPCa) 的预测. PSA 密度和 PI-RADS 评分仍然是 csPCa 诊断的最强有力的预测指标.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医学成像分析 医学成像分析
背景情况:
- 磁共振成像 (MRI) 对于诊断临床显著的前列腺癌 (csPCa) 至关重要.
- 来自MRI的放射学显示出提高csPCa诊断的潜力.
研究的目的:
- 评估是否将双参数MRI的放射学添加到现有的预测模型中可以改善csPCa的预测.
- 该研究评估了在多站点,多供应商环境中.
主要方法:
- 收集了临床数据 (PSA,PSA密度,年龄,前列腺体积) 和PI-RADS评分.
- 从MRI中提取了放射性特征 (组图,纹理).
- 为 csPCa (格里森分数≥7) 构建了带有和没有外围 (PZ) 和过渡区 (TZ) 放射学的预测模型,并使用 ROC 曲线进行了比较.
主要成果:
- 分析包括350名患者的456个病变,分布在不同的部位和MRI系统.
- PI-RADS 4-5和PSA密度在两个区域都是独立的预测因素;年龄在PZ中也是一个预测因素.
- 与没有放射性物质的模型相比,采用放射性物质的模型在PZ或TZ方面没有显著改善AUC.
结论:
- PSA 密度和 PI-RADS 评分是 csPCa 的强有力的预测指标.
- 放射学分析没有在这个多站点,多供应商数据集中提供显著的额外诊断信息.
更多相关视频
05:49Use of Magnetic Resonance Imaging and Biopsy Data to Guide Sampling Procedures for Prostate Cancer Biobanking
Published on: October 10, 2019
6.6K
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
234
