基于MRI的多参数放射学与3D深度转移学习相结合,可以预测子宫膜癌患者的宫层侵袭
Xianhong Wang1,2, Qiu Bi1,2, Cheng Deng3
1The Affiliated Hospital of Kunming University of Science and Technology, Kunming, China.
Abdominal radiology (New York)
|September 14, 2024
概括
多参数MRI放射学和3D深度转移学习模型准确地预测了早期子宫内膜癌的宫 stromal 入侵. 综合堆叠模型表现出比放射科医生更好的性能,有助于新的治疗策略.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 宫层侵袭 (CSI) 是早期子宫内膜癌 (EC) 的关键预后因素.
- 准确的CSI手术前预测对于指导治疗决策和改善患者结果至关重要.
研究的目的:
- 开发和比较CSI的手术前预测模型,使用放射学,3D深度转移学习 (DTL) 和综合方法.
- 在这些模型中评估单序MRI与多参数MRI的性能.
- 与放射科医生相比,评估临床效用和诊断准确性.
主要方法:
- 收集了来自三个中心的466名早期EC患者的数据.
- 使用各种MRI序列 (T2WI,DWI,ADC,CE-T1WI) 和3D DTL模型构建了放射学模型.
- 在最佳放射学和DTL模型上使用集体和堆叠算法开发集成模型.
- 使用AUC,DCA,NRI和IDI评估模型性能,与放射科医生的性能进行比较.
主要成果:
- 多参数MRI模型在放射学和DTL方面都胜过单个序列模型.
- 集成和堆叠的集成模型表现出色,堆叠模型在外部验证中获得了最高的平均AUC (0.908) 和准确性 (0.883).
- 所有开发的模型在预测CSI (P <0.05) 中显著超过了放射科医生,堆叠模型显示了最高的净收益.
结论:
- 基于MRI的多参数放射学与3D DTL相结合,可在EC患者中提供非侵入性,准确的CSI预测.
- 堆叠综合模型显示了预测CSI的巨大潜力,帮助临床医生开发早期EC的新治疗策略.
关键词:
宫层的入侵 宫层的入侵深度转移学习是指深度转移学习.宫内膜癌 (Endometrial carcinoma) 是一种子宫内膜癌.磁共振成像技术 磁共振成像技术无线电学 (Radiomics) 是一种无线电学.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
