基于多序MRI图像最佳VOI的机器学习,用于预测侵袭性乳腺癌中的淋巴血管入侵
Dengke Jiang1, Qiuqin Qian1, Xiuqi Yang2
1Department of Radiology, The Second Affiliated Hospital of Hunan University of Chinese Medicine, Changsha, Hunan, 410005, China.
Heliyon
|April 16, 2024
概括
结合临床数据和MRI放射学的新混合模型有效预测乳腺癌患者的淋巴血管入侵. 这种机器学习方法可以提高诊断准确度,以便更好地规划治疗.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 机器学习 机器学习
背景情况:
- 淋巴血管侵袭是侵袭性乳腺癌的关键预后因素,影响治疗策略.
- 精确预测淋巴血管侵袭对于个性化患者管理至关重要.
研究的目的:
- 开发一种机器学习模型,用于预测侵袭性乳腺癌中的淋巴血管入侵.
- 从多序MRI中利用最佳的兴趣体积来提高预测准确度.
主要方法:
- 一组191名侵袭性乳腺癌患者的队列使用多序MRI进行了分析.
- 从各种感兴趣的卷中提取了放射性特征,并开发了机器学习模型.
- 一个混合模型整合了临床和放射性数据,以改善预测.
主要成果:
- 独立的临床模型实现了0.757.75的AUC.
- 具有+2毫米ROI的k-最近邻近放射学模型的AUC为0.780.
- 混合动力模型表现出卓越的性能,AUC为0.864.
结论:
- 结合临床数据和多尺度MRI放射学 (+2 mm ROI) 的混合模型有效预测淋巴血管入侵.
- 这种方法为侵入性乳腺癌的治疗计划和疾病管理提供了宝贵的见解.
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
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
