用放射学增强的深度学习来评估结直肠癌中同步腹转移的风险
Ding Zhang1,2, BingShu Zheng1, LiuWei Xu1
1Medical School of Nantong University, Nantong, JiangSu, China.
Insights into imaging
|June 17, 2024
概括
一种使用PET/CT图像的新型放射学增强深度学习模型准确地预测了同步结直肠癌腹转移 (CRPM). 这种工具有助于个性化治疗和对预后不佳的患者的随访.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 同步结肠直肠癌腹转移 (CRPM) 由于预后不佳而构成重大挑战.
- 早期和准确的CRPM风险评估对于有效的患者管理至关重要.
研究的目的:
- 开发和验证放射学增强的深度学习模型,用于使用PET/CT成像预测同步CRPM.
- 评估模型在识别CRPM高风险患者方面的表现.
主要方法:
- 基于ResNet50的深度学习模型使用PET/CT图像补丁和放射性特征图 (RFM) 进行训练.
- 该模型包含从CT和PET图像中提取的放射性特征,以增强预测能力.
- 在训练和验证数据集中,使用曲线下的面积 (AUC) 评估模型性能.
主要成果:
- 放射学增强的深度学习模型实现了高AUC值,在不同的数据集中从0.885到0.926不等.
- 该模型展示了一致的校准,并被确定为最具预测性的工具.
- 该研究探讨了周区域对CRPM评估的贡献.
结论:
- 开发的放射学增强的深度学习模型在手术前预测同步CRPM方面表现出卓越的表现.
- 这种人工智能驱动的方法为结直肠癌患者提供了个性化治疗策略和优化后续计划的潜力.
- 放射学和深度学习的协同作用为改善CRPM管理结果提供了有价值的工具.
关键词:
18F-FDG-PET/CT/CT-PET/CT/CT-PET/CT/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/CT-PET/PET/CT-PET/CT-PET/PET/CT-PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET/PET结肠直肠癌是一种癌症.深度学习是一种深度学习.腹膜转移的发生.无线电学 (Radiomics) 是一种无线电学.更多相关视频
06:49Orthotopic Implantation of Patient-Derived Cancer Cells in Mice Recapitulates Advanced Colorectal Cancer
Published on: February 10, 2023
1.8K
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
249
