深度神经网络和基于放射学的磁共振成像系统用于预测肝细胞癌中的微血管入侵
Zhao-Yi Lin1,2, Kuang Chen1,2, Jia-Rui Chen1,2
1Medical School of Chinese PLA, 100853, China.
Journal of Cancer
|November 8, 2024
概括
这项研究介绍了一种使用MRI扫描的AI系统,用于预测肝癌 (HCC) 中的微血管入侵 (MVI). 结合放射学和临床数据的深度学习模型实现了高精度,特别是在3-5厘米的瘤中.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 在肝细胞癌 (HCC) 中精确的微血管侵袭 (MVI) 的术前评估对于手术规划至关重要,但对于放射科医生来说仍然具有挑战性.
- 基于深度学习的计算机辅助诊断为改善MVI预测准确性提供了一个有希望的途径.
研究的目的:
- 开发和验证一个完全自动的系统,用于预测MVI在HCC使用手术前MRI.
- 评估整合放射学和临床特征的疗效,以提高MVI预测.
主要方法:
- 在6个序列中利用了420名HCC患者的MRI扫描.
- 在交叉序列注册后使用深度神经网络进行HCC细分.
- 通过通过单变量分析将放射学特征与临床选择的特征结合起来,构建了一个预测模型.
主要成果:
- 综合放射学和临床特征模型实现了0.794±0.033的AUC,用于MVI预测.
- 放射学特征显示了对MVI的显著预测能力.
- 对于大小为3-5厘米的HCC瘤,该模型实现了更高的AUC,即0.860±0.065.
结论:
- 开发了一个基于MRI的全自动系统,用于基于MRI的HCC手术前MVI预测.
- 放射学和临床特征的融合确保了准确的MVI预测.
- 该系统表现出强大的性能,特别是在3-5厘米的HCC瘤中预测MVI.


