相关实验视频
Updated: Jul 22, 2026
11:29
miRNA Expression Analyses in Prostate Cancer Clinical Tissues
Published on: September 8, 2015
10.8K
基于机器学习的放射学模型用于预测前列腺癌的临床价值
Zhen-Lin Chen1, Zhang-Cheng Huang2, Shao-Shan Lin1
1Department of Urology, Fujian Union Hospital, Fujian Medical University, Fuzhou, China.
The Journal of international medical research
|October 7, 2024
概括
机器学习放射性模型有效预测前列腺癌 (PCa) 和临床显著的PCa (csPCa). 这些经过验证的成像模型为PCa诊断中的临床决策提供了宝贵的工具.
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:
- 放射学模型对前列腺癌 (PCa) 诊断有希望.
- 缺乏用于预测PCa和临床显著PCa (csPCa) 的验证成像模型.
研究的目的:
- 确定用于预测PCa和csPCa的最佳放射性模型.
- 评估这些预测模型的临床实用性.
主要方法:
- 对942名疑似PCa的患者进行了回顾性研究.
- 磁力共振成像数据分层分层,以提取放射性特征.
- 机器学习模型的构建和验证.
主要成果:
- 一种扩散权重成像 (DWI) +明显扩散系数 (ADC) 模型预测了PCa (AUC 0.732,外部验证).
- 一个T2加权成像 + ADC + DWI模型预测了csPCa (AUC 0.623外部验证).
- 在培训和内部验证集中实现的高AUC.
结论:
- 使用放射性特征和临床指标的机器学习模型有效预测PCa和csPCa.
- 这些放射性模型在PCa管理中的临床决策中具有显著的实用性.
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
6.7K
