一个基于功能性MRI特征和深度学习放射学的堆叠多模式模型,用于预测鼻癌中对放射治疗的早期反应
Xiaowen Wang1, Jian Song2, Qingtao Qiu3
1Shandong University Cancer Center, Jinan, Shandong, China (X.W.); Department of Radiation Oncology, Shandong Cancer Hospital and Institute, Shandong First Medical University and Shandong Academy of Medical Sciences, Jinan, Shandong, China (X.W., X.C.).
Academic radiology
|November 4, 2024
概括
使用MRI放射学和fMRI的新综合模型准确地预测了鼻癌 (NPC) 的早期放射治疗反应,帮助个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 鼻癌 (NPC) 需要有效的早期预测放射治疗反应.
- 目前的预测方法可能缺乏对成像和临床数据的全面整合.
研究的目的:
- 开发和验证一个综合模型,整合MRI衍生深度学习放射学,功能成像 (fMRI) 和临床指标.
- 预测NPC患者放射治疗的早期疗效.
主要方法:
- 对接受放射治疗的NPC患者的回顾性研究 (n=316).
- 从多序MRI中提取放射学和深度学习特征,包括扩散加权成像 (DWI) 和动脉旋转标记 (ASL).
- 使用分类器 (LR,XGBoost,SVM,KNN) 和堆叠算法开发预测模型.
主要成果:
- 手动放射学 (XGBoost) 和深度学习 (KNN) 模型显示出良好的预测效率 (AUC 0.909 和 0.823).
- 结合MRI放射学,fMRI和血液学指标的综合堆叠模型实现了最高的AUC:0.984 (培训),0.936 (内部验证) 和0.959 (外部验证).
结论:
- 基于MRI的综合临床放射学模型有效预测NPC的早期放射治疗反应.
- 该模型为NPC患者的个性化治疗规划提供了潜在的指导.
