预测和分析胆囊聚体与深度神经网络的风险
Kerong Yuan1, Xiaofeng Zhang2, Qian Yang3
1Department of Hepatobiliary Surgery, the First Affiliated Hospital of Shenzhen University, Health Science Center, Shenzhen Second People's Hospital, Shenzhen, P.R. China.
Computer assisted surgery (Abingdon, England)
|March 23, 2024
概括
这项研究确定了胆囊息肉的关键风险因素,开发了一个神经网络模型来预测腺瘤和恶性类型. 该模型显示出极好的准确性,有助于手术前诊断和患者管理.
科学领域:
- 肝胆道手术 肝胆道手术
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 胆囊聚体是一个诊断挑战,腺瘤类型是癌前的.
- 在手术前区分良性,腺瘤和恶性息肉是困难的.
- 准确预测聚性质对于及时干预至关重要.
研究的目的:
- 为了确定腺瘤和恶性胆囊多的危险因素.
- 开发一个预测性神经网络模型,用于胆囊多的分类.
- 提高诊断准确度,并为患者管理策略提供信息.
主要方法:
- 对329名接受胆囊切除术的患者进行了回顾性分析.
- 检查临床特征,实验室结果和超声波指数.
- 使用已识别的风险因素开发和验证神经网络模型.
主要成果:
- 乙型肝炎核心抗体,多数,多大小,壁壁厚度和胆囊大小是独立的预测因素.
- 预测模型实现了0.945 (ROC) 和0.930 (PR) 的AUC.
- 腺瘤诊断的最佳切线:10mm的息肉大小 (81.5%的灵敏度,60.0%的特异性).
- 癌症诊断的最佳切线:灵敏度为81.5%,特异性为92.5%.
结论:
- 鉴定出的风险因素显著预测了胆囊腺瘤和恶性息肉.
- 开发的神经网络模型显示出高预测能力.
- 这种工具可以改善手术前的分化,指导治疗决策和患者护理.
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
03:37Application of Robot-assisted Pancreaticobiliary Junction Resection in Benign Duodenal Tumors
Published on: December 20, 2024
528
