使用基于MRI的自动细分模型和放射学名图来预测肉瘤的无进展生存率:一项初步的多中心研究
Nana Zhu1,2, Feige Niu1,2, Shuxuan Fan3
1Graduate School, Tianjin Medical University, Tianjin, China.
Skeletal radiology
|December 4, 2024
概括
一种新的放射学特征可以预测肉瘤无进展生存率 (PFS). 这种工具与临床因素相结合,显示出在高风险的肉瘤病例中改善患者管理的潜力.
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:
- 瘤是一种具有高复发率的侵袭性癌症.
- 准确预测无进展生存 (PFS) 对于治疗规划至关重要.
研究的目的:
- 开发和验证一个放射学签名来估计肉瘤PFS.
- 评估基于放射学的诺米克图在预测PFS方面的性能.
主要方法:
- 在202名肉瘤患者的回顾性分析中,使用了治疗前的MRI.
- 使用最小绝对缩小和选择运算符 (LASSO) 考克斯回归的放射学签名的开发.
- 构建一个结合放射学和临床特征的诺米克图.
主要成果:
- ROI-Net框架实现了高细分精度 (迪斯系数为0.820).
- 一个21个特征的放射性特征有效地区分了高风险患者.
- 放射学-T1WI-临床模型表现出强大的预测性能 (AUC高达0.947).
结论:
- 该ROI-Net框架提供可靠的图像细分.
- 放射学特征和组合的诺米克图显示了预测肉瘤PFS的前景.
- 这种方法可能有助于对肉瘤患者的临床决策.
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
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
229
