基于磁共振成像特征提取人工神经网络的肝细胞癌微血管入侵的术前预测
Jing-Yi Xu1, Yu-Fan Yang1, Zhong-Yue Huang2
1Center of Hepatobiliary Pancreatic Disease, Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua University, Beijing 102218, China.
World journal of gastrointestinal surgery
|September 2, 2024
概括
人工神经网络 (ANN) 可以使用MRI预测肝细胞癌 (HCC) 中的微血管入侵 (MVI),准确度为79%. 瘤球性是预测小HCC瘤MVI的一个关键因素.
科学领域:
- 肝细胞癌 (HCC) 研究研究
- 医学成像分析 医学成像分析
- 在瘤学中使用人工智能
背景情况:
- 肝细胞癌 (HCC) 复发显著增加死亡率.
- 微血管入侵 (MVI) 是侵略性HCC瘤生物学的一个关键指标.
研究的目的:
- 开发一个人工神经网络 (ANN) 用于使用MRI预测HCC中MVI.
- 评估ANN模型在鉴定HCC患者MVI时的准确性.
主要方法:
- 通过使用T1加权的MRI特征训练了一种三层ANN,来自255名瘤小于3厘米的HCC患者.
- 通过使用接收器操作特征分析评估了ANN模型对MVI的预测性能.
- 手术后的病理检查是MVI确认的黄金标准.
主要成果:
- 在预测MVI时,ANN模型实现了0.79的曲线下面积 (AUC).
- 瘤球状性与MVI有显著的相关性 (P < 0.01).
- 阿尔法胎蛋白值和瘤体积与MVI没有显著的相关性.
结论:
- 瘤球状性是预测小HCC瘤 (<3厘米) 中MVI的关键因素.
- 开发的ANN模型显示出在HCC患者中预测MVI的强大潜力,AUC为0.79.
