使用基于磁共振成像的机器学习模型预测口腔状细胞癌的骨干侵袭
Elif Meltem Aslan Öztürk1, Gürkan Ünsal2, Ferhat Erişir3
1Department of Dentomaxillofacial Radiology, Faculty of Dentistry, Lokman Hekim University, Ankara, Turkey. aslan.meltem5@gmail.com.
概括
这项研究开发了一种使用放射学和MRI的机器学习模型,以准确检测口腔状细胞癌 (OSCC) 的骨侵袭. 该模型显示了诊断骨转移的OSCC的高潜力.
科学领域:
- 医学成像分析分析 医学成像分析
- 机器学习在瘤学中
- 射电学应用的应用
背景情况:
- 口腔状细胞癌 (OSCC) 带来了诊断方面的挑战.
- 在OSCC中预测骨转移对于治疗计划至关重要.
- 磁共振成像 (MRI) 提供了详细的解剖信息.
研究的目的:
- 开发和评估用于检测OSCC的机器学习 (ML) 模型.
- 使用MRI衍生的放射性特征预测OSCC患者的骨转移.
- 评估放射学在识别具有骨侵袭的恶性病变方面的有效性.
主要方法:
- 从86名患者中提取了MRI放射性特征 (44名良性,42名恶性与骨侵袭).
- 采用了一种手工制作的放射学模型,训练/验证分为8:2.
- 使用支持矢量机 (SVM) 算法进行分类.
主要成果:
- 基于SVM的ML模型在检测骨侵袭方面取得了很高的准确性 (AUC = 0.999).
- 来自MRI的放射学特征有效地预测了OSCC的骨入侵.
- 该模型在区分良性和恶性损伤与骨参与方面表现出强的表现.
结论:
- 一个整合SVM和放射学的ML模型显示了预测OSCC骨入侵的前景.
- 这些发现突显了放射学在通过MRI增强OSCC诊断方面的实用性.
- 建议进行更大的多中心研究来验证这些有希望的结果.
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
