机器学习 放射学签名用于区分淋巴瘤与CT上的良性脊髓瘤

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 在瘤学瘤学.

背景情况:

• 区分淋巴瘤与良性腹壮成症对于适当的患者管理至关重要.
• 术前诊断可能具有挑战性,需要先进的成像技术.

研究的目的:

• 开发和验证基于计算机断层扫描 (CT) 的放射学签名,以区分淋巴瘤与良性大瘤.
• 评估放射性特征与完整血细胞计数的相关性.

主要方法:

• 追溯分析了139名患有脊髓组织病理诊断的患者的CT扫描.
• 使用PyRadiomics从手动细分的脏中提取体积放射性特征.
• 使用LASSO回归来进行特征选择的放射学签名的开发.

主要成果:

• 开发了一种包含七个特征 (第一阶统计,形状和纹理) 的放射学签名.
• 该签名实现了卓越的诊断性能:测试数据集的准确率为97%,灵敏度为89%,特异性为98%.
• 在放射性特征和血小板和细分中性粒细胞百分比之间发现了显著的相关性.

结论:

• 基于CT的放射学签名是区分淋巴瘤与良性大瘤的宝贵工具.
• 放射学特征可能会为与大相关的潜在血液学变化提供见解.