基于MRI的多参数放射学分析,用于对II型子宫内膜癌的术前预测
Yingying Cao1, Wei Zhang2, Xiaorong Wang3,4
1Department of Radiology, Affiliated Hospital of Nanjing University of Chinese Medicine, Nanjing, Jiangsu Province, China.
Heliyon
|July 11, 2024
概括
这项研究开发了使用多参数MRI的放射学名图,以区分II型与I型子宫内膜癌 (EC). 该名录显示了高准确度,为EC患者的临床决策提供了潜在的工具.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 将子宫内膜癌 (EC) 分为I型和II型对治疗至关重要.
- 准确的手术前分化仍然是一个临床挑战.
研究的目的:
- 开发和验证使用多参数MRI进行放射学名图,用于手术前分化I型和II型子宫内膜癌.
- 评估拟议的诺莫图的诊断性能和临床实用性.
主要方法:
- 来自两个中心的403名EC患者的回顾性分析.
- 从T2加权成像,动态对比增强T1加权成像 (DCE4) 和表面扩散系数 (ADC) 地图中提取放射学特征.
- 使用各种机器学习算法的放射学模型的开发,其次是采用最佳特征,临床放射学数据和免疫组织化学 (IHC) 标记器的诺莫格拉姆构造.
主要成果:
- 天真贝叶斯 (NB) 放射学模型使用了ADC和DCE4序列中的12个特征,实现了高AUC值 (0.927训练,0.869验证).
- 最终的放射学名图显示出优异的性能,AUC为0.951 (训练) 和0.915 (验证).
- 诺米图表表现出极好的校准和临床实用性.
结论:
- 开发的放射学名图显示了区分II型与I型子宫内膜癌的显著潜力.
- 这种工具可以帮助指导子宫内膜癌患者的临床决策.
- 基于多参数磁力共振成像的放射学名图代表了EC管理中的一个有前途的方法.
关键词:
宫内膜癌 (Endometrial carcinoma) 是一种子宫内膜癌.机器学习 机器学习多参数磁共振成像技术这个名字叫做Nomogram.无线电学 (Radiomics) 是一种无线电学.更多相关视频
07:44Non-Invasive Ultrasound Assessment of Endometrial Cancer Progression in Pax8-Directed Deletion of the Tumor Suppressors Arid1a and Pten in Mice
Published on: February 17, 2023
1.5K
07:46Author Spotlight: Advancing Reproductive Immunology with a Protocol for the Quantitative Evaluation of Endometrial Immune Cells
Published on: October 13, 2023
1.2K
