精确的前列腺癌评估使用基于IVIM的DW-MRI血液扩散的参数估计
Hossam Magdy Balaha1, Sarah M Ayyad2, Ahmed Alksas1
1Department of Bioengineering, J.B. Speed School of Engineering, University of Louisville, Louisville, KY 40292, USA.
Bioengineering (Basel, Switzerland)
|June 27, 2024
概括
这项研究开发了一种非侵入性计算机辅助诊断系统,使用intravoxel不连贯运动 (IVIM) 成像用于前列腺癌 (PCa) 检测. 该系统实现了84.08%的准确性,显示了改善早期诊断的前景.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 前列腺癌 (PCa) 是一个重大的健康挑战,死亡率高,经济负担高.
- 早期检测对于改善PCa患者的治疗结果至关重要.
- 内素不连贯运动 (IVIM) 成像提供了对瘤微血管和扩散特征的非侵入性见解.
研究的目的:
- 开发和评估用于前列腺癌 (PCa) 检测和诊断的非侵入性计算机辅助诊断 (CAD) 系统.
- 为了利用intravoxel不连贯运动 (IVIM) 参数来增强PCa的表征.
- 为了将IVIM参数的诊断性能与表面扩散系数 (ADC) 进行比较.
主要方法:
- 使用三种U-Net架构的两步细分方法被用来提取瘤感兴趣的区域 (ROI).
- 分析了输入素不连贯运动 (IVIM) 参数,以确定其诊断价值,以区分PCa.
- 使用随机森林分类器 (RFC) 来评估IVIM参数和PCa诊断分类器的最佳组合.
主要成果:
- 中央区域 (CZ) 和外围区域 (PZ) IVIM特征与随机森林分类器 (RFC) 的组合显示出最佳性能.
- 开发的CAD系统的整体精度为84.08%,平衡精度为82.60%.
- 报告了高灵敏度 (93.24%),合理的特异性 (71.96%),良好的精度 (81.48%) 和F1得分为86.96%.
结论:
- 提出的CAD系统有效地使用IVIM参数和机器学习对PCa进行细分和诊断.
- 这种非侵入性方法显示了早期检测和诊断PCa的巨大潜力.
- 这些发现表明,IVIM参数与机器学习相结合,可以增强PCa诊断能力,潜在地改善患者的治疗结果并降低医疗保健成本.
