术前分子亚型分类 基于多参数磁共振成像多序特征融合网络的卵巢癌预测
Yijiang Du1,2, Tingting Wang3, Linhao Qu1,2
1Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai 200032, China.
Bioengineering (Basel, Switzerland)
|May 25, 2024
概括
这项研究引入了使用多参数磁共振成像 (mpMRI) 精确分类卵巢癌 (OC) 亚型的深度学习 (DL) 方法. 这种新的方法改善了手术前诊断,可以区分高度血清癌和透明细胞癌.
科学领域:
- 医学成像分析 医学成像分析
- 在瘤学中使用人工智能
- 无线电学 (Radiomics) 是一种辐射学.
背景情况:
- 准确的卵巢癌 (OC) 亚型分类对于预后和治疗至关重要.
- 当前的深度学习 (DL) 模型通常使用单参数图像,限制了OC亚型的诊断精度.
- 高度血清癌和透明细胞癌之间的非侵入性手术前分化仍然是一个挑战.
研究的目的:
- 开发和验证一种DL方法,用于精确的卵巢癌亚型的手术前分类.
- 用多参数MRI (mpMRI) 提高区分高度血清性癌与清细胞癌的准确性.
主要方法:
- 设计了一种新的DL网络架构,以集成多参数MRI (mpMRI) 序列特征.
- 经过DL模型的训练和评估,对其分类卵巢癌亚型的能力进行了评估.
- 使用了包括曲线下的面积 (AUC) 和平均精度 (AP) 在内的性能指标.
主要成果:
- 拟议的DL方法在分类卵巢癌亚型方面取得了很高的准确性.
- 该模型显示,在亚型分类中,AUC值为91.62%.
- 获得了95.13%的平均精度 (AP),表明了强大的预测性能.
结论:
- 多参数MRI (mpMRI) 数据与新型DL架构的融合显著改善了手术前卵巢癌 (OC) 亚型分类.
- 这种方法提供了一个有希望的非侵入性工具,用于区分关键的OC亚型,如高度血清癌和清细胞癌.
- 开发的DL方法具有提高诊断准确度和指导卵巢癌管理中的临床决策的潜力.
