将深度学习和手工制造的放射学进行比较,以预测使用预治疗MRI预治疗本地晚期宫癌的化学放射治疗反应
Sungmoon Jeong1,2, Hosang Yu2, Shin-Hyung Park3,4,5
1Department of Medical Informatics, School of Medicine, Kyungpook National University, Daegu, Republic of Korea.
Scientific reports
|January 12, 2024
概括
在局部晚期宫癌 (LACC) 中预测化疗辐射疗法 (CRT) 反应对于个性化治疗至关重要. 使用MRI数据的放射学模型在预测CRT反应方面表现有前途,临床因素可能会提高准确性.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 同时化学放射治疗 (CRT) 是局部晚期宫癌 (LACC) 的标准.
- 患者对CRT的反应各不相同,因此需要个性化治疗的预测工具.
- 治疗前的MRI数据可以潜在地预测CRT反应.
研究的目的:
- 开发和验证放射学模型,用于预测LACC患者的CRT反应.
- 为了比较手工 radiomics (HCR) 和深度学习 radiomics (DLR) 模型的性能.
- 评估整合临床因素对预测模型性能的影响.
主要方法:
- 使用252名LACC患者的预治疗MRI数据构建了HCR和DLR预测模型.
- 在独立培训 (167名患者) 和测试 (85名患者) 数据集上训练并验证的模型.
- 提取了HCR (支向量机) 的1890特征,并使用了DLR的3D卷积神经网络.
主要成果:
- 无论是HCR和DLR模型都证明了预测LACC患者CRT反应的能力.
- 临床因素的整合显示了HCR分析中性能改善的趋势.
- 这些模型在一个独立的测试数据集上得到了验证.
结论:
- 来自MRI的放射学模型对于预测LACC中CRT反应是有效的.
- 将临床因素与放射学相结合可能会提高预测准确度,支持个性化治疗策略.
- 这些发现有助于开发针对LACC的定制治疗方法.
