一种基于MRI视觉决策树的诺莫图,用于评估肝细胞癌中的血管内皮生长因子
Hanting Dai1,2, Chuan Yan1,2, Wanrong Huang1
1Department of Radiology, The First Affiliated Hospital of Fujian Medical University, Fuzhou, Fujian, China.
Journal of magnetic resonance imaging : JMRI
|January 8, 2025
概括
一个新的融合模型准确地评估了血管内皮生长因子 (VEGF) 在肝细胞癌 (HCC) 中的非侵入性表达. 这种模型结合了吸烟史,白蛋白与血球蛋白比率 (AGR) 和Radio-Tree分析,以提高诊断性能.
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:
- 抗血管内皮生长因子 (VEGF) 治疗对肝细胞癌 (HCC) 有效.
- 缺乏评估HCC中VEGF表达的非侵入性方法.
- 准确的VEGF评估对于指导HCC患者的抗VEGF治疗至关重要.
研究的目的:
- 开发一种可视,非侵入性模型,用于评估HCC中VEGF表达.
- 该模型整合了临床指标和磁共振成像 (MRI) 功能.
- 为了提高HCC中VEGF评估的准确性.
主要方法:
- 140名HCC患者 (培训和测试队列) 的回顾性研究.
- 使用了3.0TMRI,包括T2WI,T1WI (对比前,动态,肝胆相).
- 开发了一种融合模型,结合吸烟史,白蛋白与血球蛋白比率 (AGR),以及通过名录图可视化的无线电树模型.
主要成果:
- 吸烟史和AGR≤1.5被确定为VEGF表达的独立临床风险因素.
- 融合模型在训练 (0.871) 和测试 (0.844) 队列中实现了最高的曲线下面面积 (AUC).
- 与临床放射学 (C-R) 模型相比,融合模型显示出明显优异的性能 (P < 0.05).
结论:
- 结合临床因素 (吸烟史,AGR) 和基于MRI的Radio-Tree分析的新型融合模型有效地评估了HCC中VEGF表达的非侵入性.
- 这种基于机器学习的模型与现有方法相比,提供了更高的诊断准确性.
- 开发的名图为HCC管理中的临床应用提供了一个视觉工具.
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
10:25Author Spotlight: Integrating High-Resolution Intravital Imaging and MRI to Enhance Stereotactic Body Radiation Therapy Planning
Published on: April 12, 2024
1.2K
