一个基于多通道CT放射学的多式深度学习模型,用于预测膀癌的病理级别
Ting Zhao1,2, Jian He1,2, Licui Zhang1,2
1Department of Radiology, The Affiliated Hospital of Guizhou Medical University, Guizhou, China.
Abdominal radiology (New York)
|December 17, 2024
概括
一个新的深度学习放射学模型与临床数据相结合,可以准确地从CT扫描中预测膀癌的等级,提供一种非侵入性的术前评估工具.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 精确的膀癌手术前分类对于治疗计划至关重要.
- 计算机断层扫描 (CT) 图像广泛用于膀癌症评估.
- 整合不同的数据源可以提高诊断准确性.
研究的目的:
- 使用深度学习放射学和临床因素开发膀癌组织病理学等级的预测模型.
- 评估模型的性能与传统方法相比.
主要方法:
- 对201名膀癌患者进行了CT图像和病理分级的回顾性分析.
- 从CT扫描中提取手工制作的放射学 (HCR) 和深度学习 (DL) 功能.
- 开发机器学习模型,整合HCR,DL特征和临床数据.
- 使用曲线下的面积 (AUC),决策曲线分析和校准曲线进行绩效评估.
主要成果:
- 结合DL和HCR特征的物流回归模型实现了最高的性能.
- 组合模型显示AUC值为0.933 (训练) 和0.824 (测试).
- 这种基于CT的组合模型仅使用临床数据或HCR特征的模型表现优于CT模型.
结论:
- 基于CT的组合模型在区分高度和低度膀癌方面表现出显著的能力.
- 这种方法为膀癌的手术前病理评估提供了一种有价值的非侵入性工具.
