基于超声波射频时间序列分析,预测乳腺癌中带淋巴结转移的发生
Pengfei Sun1, Ruifang Guo1, Xiangdong Hu1
1Department of Ultrasound, Beijing Friendship Hospital, Capital Medical University, Beijing, PR China.
Acta radiologica (Stockholm, Sweden : 1987)
|September 2, 2024
概括
预测乳腺癌下淋巴结转移是非常重要的. 使用临床,超声波和超声波射频 (URF) 数据的组合模型准确地预测了手术前的淋巴结状况.
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:
- 准确预测状淋巴结 (ALN) 状态对于乳腺癌管理至关重要.
- 需要使用非侵入性方法来预测ALN转移.
研究的目的:
- 评估超声波射频 (URF) 时间序列参数与临床数据相结合的有效性,用于预测乳腺癌患者的ALN转移.
主要方法:
- 来自乳腺癌患者的临床病理学和超声波数据的未来收集.
- 开发和比较各种机器学习 (ML) 模型.
- 使用临床,超声波和URF参数对预测模型的评估.
主要成果:
- 一个随机森林ML模型实现了0.92.9的AUC.
- 综合结合临床,超声波和URF参数的综合模型在测试组中显示出最高的诊断能力,AUC为0.94.
- 这种组合模型的性能优于单个参数模型.
结论:
- 综合模型 (临床+超声波+URF参数) 显示了对淋巴结状况的术前预测的潜力.
- 这种方法可以帮助为乳腺癌患者设计个性化手术策略.
