开发和验证基于CT的深度学习放射学名录,以预测膀癌的肌肉入侵
Zongjie Wei1, Huayun Liu1, Yingjie Xv1
1Department of Urology, The First Affiliated Hospital of Chongqing Medical University, Chongqing, China.
Heliyon
|February 2, 2024
概括
一种新的基于CT的诺米图,结合了放射学和深度学习,可以准确地预测膀癌的肌肉入侵. 这种工具有助于为膀癌 (BCa) 患者进行手术前决策.
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:
- 肌肉侵袭是膀癌 (BCa) 阶段和治疗的关键因素.
- 准确的术前预测肌肉侵袭对于最佳的临床管理至关重要.
研究的目的:
- 开发和验证一个整合基于CT的手工制造的放射学和深度学习 (DL) 功能,用于BCa肌肉入侵的手术前预测.
- 评估开发的诺米图的预测性能和临床实用性.
主要方法:
- 一项回顾性研究包括323名BCa患者,分为培训,内部验证和外部验证队列.
- 从CT图像中提取了手工制作的放射和DL特征.
- 使用LASSO回归和后勤回归构建了一个深度学习放射学名图 (DLRN).
主要成果:
- DLRN表现出强大的预测性能,内部验证队列中的AUC为0.884,外部验证队列中的AUC为0.862.
- 诺米图有效地区分了非肌肉侵入性BCa (NMIBC) 和肌肉侵入性BCa (MIBC).
- 决策曲线分析证实了DLRN的临床实用性.
结论:
- 基于CT的深度学习放射学诺米克图显示了在BCa.肌肉入侵的术前预测方面有前途的表现.
- DLRN可以作为一个有价值的工具,帮助临床医生在BCa管理的决策过程中.
