深度学习辅助癌生存预后:基于CT扫描的个性化方法
Maryamalsadat Mahootiha1,2, Hemin Ali Qadir1, Davit Aghayan1
1The Intervention Centre, Oslo University Hospital, Oslo, 0372, Norway.
Heliyon
|February 1, 2024
概括
这项研究使用CT扫描的深度学习来预测细胞癌患者的存活率. 人工智能模型根据3D图像的瘤特征准确预测患者的结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 细胞癌 (RCC) 的预后通常与瘤等级有关.
- 准确的生存预测对于患者管理至关重要.
- 手术前的CT成像提供了丰富的分析数据.
研究的目的:
- 开发一种深度学习模型,用于预测癌患者的存活率.
- 为了利用手术前的CT扫描来估计生存概率.
- 为了将瘤特征与患者预后相关联.
主要方法:
- 两种网络深度学习方法:一个3D卷积神经网络分类器和一个生存网络.
- 该分类器从CT扫描中预测国际泌尿病学学会 (ISUP) 的成绩.
- 一个离散的基于物流风险的损失函数用于生存分析.
主要成果:
- 该模型实现了0.72的一致性指数,0.15的综合布赖尔得分和0.71.71的AUC.
- 在预测癌的未来过程中表现出合理的准确性.
- 成功预测了不成比例的生存概率曲线.
结论:
- 对CT成像的深度学习可以准确地预测癌患者的生存率.
- 拟议的方法有效地利用瘤特征进行预后.
- 这种方法提供了一个非侵入性的工具来评估患者的结果.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:38A Syngeneic Mouse Model of Metastatic Renal Cell Carcinoma for Quantitative and Longitudinal Assessment of Preclinical Therapies
Published on: April 12, 2017
13.6K
