一个基于动态对比增强MRI的机器学习模型,用于在手术前区分肝细胞癌和联合肝细胞-胆管癌之间
1Medical Imaging Center, Ganzhou People's Hospital, 16th Meiguan Avenue, Ganzhou 341000, China; Ganzhou Institute of Medical Imaging, Ganzhou 341000, China; Ganzhou Key Laboratory of Medical Imaging and Artificial Intelligence, Ganzhou 341000, China.
Clinical radiology
|February 27, 2024
概括
使用动态对比增强MRI的新型机器学习模型显著改善了联合肝细胞胆管癌 (cHCC-CC) 与肝细胞癌 (HCC) 的差异化. 这种融合模型提高了手术前这些肝癌的诊断准确度.
科学领域:
- 肝胆道成像检查 肝胆道成像检查
- 无线电学 (Radiomics) 是一种无线电学.
- 机器学习在瘤学中
背景情况:
- 区分结合性肝细胞胆管癌 (cHCC-CC) 和肝细胞癌 (HCC) 对于手术规划至关重要.
- 动态对比增强磁共振成像 (DCE-MRI) 提供有关肝脏病变的详细信息.
研究的目的:
- 开发和评估使用DCE-MRI数据的机器学习模型,以在手术前区分cHCC-CC和HCC.
- 为了比较放射学,临床和融合模型的诊断性能.
主要方法:
- 对194名经组织病理学确认的cHCC-CC或HC.CC患者的回顾性分析.
- 从3DMRI数据中提取放射学和临床图像特征.
- 使用机器学习分类器开发放射学,临床和融合模型.
主要成果:
- 在cHCC-CC和HCC之间观察到肝硬化,瘤特征和周围瘤增强的显著差异.
- 融合模型在动脉阶段实现了0.878的AUC,超过了放射学 (0.838) 和临床 (0.759) 模型.
- 融合模型在测试组中显示出高灵敏度 (0.844) 和特异性 (0.714).
结论:
- 在动脉阶段,融合模型整合了放射学和DCE-MRI的临床数据,显著提高了cHCC-CC与HCC的诊断准确性.
- 这种方法为这些肝脏瘤的手术前分化提供了一个有希望的工具.
