深度学习模型用于使用动态对比增强MRI预测扩散性肝细胞癌:激进切除后早期复发预测的影响
Hui Qu1, Shuairan Zhang2, Miaoran Guo3
1College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, China.
Academic radiology
|May 15, 2024
概括
使用动态对比增强MRI的深度学习模型准确地预测了增殖性肝细胞癌 (HCC),有助于评估手术后早期复发风险.
科学领域:
- 肝细胞癌 (HCC) 研究研究
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 增殖性肝细胞癌 (HCC) 与切除后的早期复发有关.
- 准确的手术前评估对于优化HCC治疗策略至关重要.
研究的目的:
- 开发和验证使用动态对比增强MRI (DCE-MRI) 开发和验证深度学习 (DL) 模型,以区分繁殖和非繁殖的HCC.
- 评估模型预测早期复发风险的能力.
主要方法:
- 对来自两个中心的355名HCC患者进行了回顾性研究.
- 使用DCE-MRI数据开发DL,临床和放射学模型.
- 对病理诊断的模型验证和早期复发的预测.
主要成果:
- 在训练和验证集中,DL模型在预测增殖性HCC方面实现了高AUC (0.98,0.89,0.83).
- 结合DL和临床特征模型,在预测早期复发方面表现优越.
结论:
- 基于DL的DCE-MRI模型有效地预测了增殖性HCC,并分层了早期复发风险.
- 这种非侵入性工具可以改善手术前评估和个性化HCC管理.
