基于F18氧葡萄糖正子发射断层扫描/计算机断层扫描 (F-FDG PET/CT) 的深度学习功能,用于预测手术前结直肠癌淋巴结转移
1Department of PET/CT, The Second Affiliated Hospital of Harbin Medical University, Baojian Road, Nangang District, Harbin, Heilongjiang Province, China.
Clinical radiology
|July 2, 2024
概括
这项研究开发了一种机器学习模型,整合了深度学习,放射学和临床数据,以便在手术前预测结直肠癌 (CRC) 患者的淋巴结转移.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 在结直肠癌 (CRC) 中精确预测淋巴结转移 (LNM) 对治疗计划至关重要.
- 整合不同的数据类型可以提高预后模型的准确性.
研究的目的:
- 开发和验证使用临床,放射学和深度转移学习特征在CRC中用于LNM的预后模型.
- 改善LNM的术前预测,以更好地管理患者.
主要方法:
- 分析了119名CRC患者的18F-FDG PET/CT扫描数据.
- 提取放射学特征并与临床和深度学习特征集成.
- 支持矢量机 (SVM) 模型的开发和使用AUC,灵敏度和特异性的评估.
主要成果:
- 深度学习放射学 (DLR) 诺米克模型表现出高预测性能.
- 在培训队列中达到0.934的AUC,在验证队列中达到0.902,在测试队列中达到0.836.
结论:
- 成功开发了整合深度转移学习,放射学和临床特征的术前机器学习模型.
- 该模型有助于区分LNM在CRC中的地位,支持临床决策.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
