基于深度学习放射学,预测乳腺癌中带淋巴结转移的发生
1Department of Ultrasound, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, 210002, China.
NPJ breast cancer
|March 13, 2024
概括
一种新的深度学习放射学名图 (DLRN) 准确地预测了乳腺癌患者的带淋巴结转移. 这种工具有助于术前评估,可能防止过度治疗和指导腹管理.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 准确的手术前评估下淋巴结 (ALN) 转移对于乳腺癌管理至关重要.
- 目前的方法可能在精确确定ALN状态方面存在局限性,这会影响治疗决策.
- 深度学习和放射学为提高诊断准确性提供了潜力.
研究的目的:
- 开发和验证一个深度学习放射学名图 (DLRN) 用于在单焦乳腺癌中进行ALN转移的术前评估.
- 根据临床参数和经验丰富的放射科医生,评估DLRN的性能.
- 确定DLRN在指导腹管理中的临床实用性.
主要方法:
- 883名乳腺癌患者进行了手术前超声波检查.
- 使用DL和手工制作的功能开发深度学习 (DL) 签名.
- 将DL签名与四个临床参数集成,以创建DLRN.
- 在三个独立的医院队列中对DLRN的外部验证.
主要成果:
- 在外部验证队列中,DLRN表现出高性能,接收器运行特征曲线 (AUC) 下的面积为0.914,0.929和0.952.
- 决策曲线和校准分析证实了名图的有利临床价值和准确性.
- 在所有评估的队列中,DLRN的表现优于五名经验丰富的放射科医生.
结论:
- 开发的DLRN是一种强大的工具,用于术前评估乳腺癌中ALN转移的情况.
- DLRN显示出显著的潜力来提高ALN分期的准确性.
- 这种名图可以帮助优化腹管理策略,可能减少过度处理.
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
08:32Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model
Published on: October 2, 2020
6.3K