使用MRI放射学与机器学习相结合,预测附着的围脂肪的存在
Binh D Le1, Sook Hee Heo2, Ho Seok Chung3
1Department of Biomedical Sciences, Chonnam National University, Hwasun-gun, Jeollanam-do, South Korea; Department of Urology, Saint Paul Hospital, Hanoi, Viet Nam.
International journal of medical informatics
|April 28, 2024
概括
使用MRI放射学的机器学习可以预测附着的围脂肪 (APF),这是一个具有挑战性的外科问题. 这种方法显示出高精度和灵敏度,有助于手术规划.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 附着的围脂肪 (APF) 复杂化了外科手术,特别是切除术.
- 在手术规划和风险评估中,准确的手术前鉴定APF至关重要.
研究的目的:
- 评估机器学习算法的有效性,利用基于MRI的放射学特征来预测APF.
- 在内部和外部验证队伍中评估这些模型的诊断性能.
主要方法:
- 对119名细胞癌患者的手术前T1加权MRI (T1w-60) 的回顾性分析.
- 从周周脂肪ROI中提取851个放射性特征,结合临床因素 (性别,BMI).
- 使用LASSO进行特征选择,随后对5个ML模型进行培训和评估,并进行4倍交叉验证.
主要成果:
- 一个最终的模型有15个选定的功能,在内部和外部测试集上实现了高性能.
- 内部测试组:准确率为81%,AUC为0.855.
- 外部测试组:准确率为88.2%,AUC为0.971,灵敏度为100%.
结论:
- 机器学习与MRI放射学相结合是预测APF的可行方法.
- 这些发现表明了改善手术规划和患者治疗结果的潜力.
- 建议进行多中心验证,以确认这些预测模型的概括性.
