相关实验视频
Updated: Jun 22, 2026
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.4K
基于机器学习的前列腺活检需要的预测使用PSA,MRI和血液学参数
Mustafa Sungur1, Aykut Aykaç1, Mehmet Erhan Aydin1
1Department of Urology, Health Science University Eskisehir City Health Application and Research Center, 26080 Eskisehir, Turkey.
Journal of clinical medicine
|January 11, 2025
概括
机器学习模型可以使用前列腺特异抗原 (PSA) 水平,多参数核磁共振成像 (mpMRI) 发现和血液测试来预测前列腺活检结果. 这种方法可能有助于减少不必要的前列腺活检.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 前列腺癌 (PCa) 诊断通常依赖于前列腺活检.
- 非侵入性预测活检结果可以改善患者管理并降低医疗保健成本.
研究的目的:
- 开发和评估用于预测前列腺活检结果的机器学习 (ML) 模型.
- 将前列腺特异性抗原 (PSA) 值,多参数磁共振成像 (mpMRI) 发现和血液学参数整合到预测模型中.
主要方法:
- 对244名接受前列腺活检的患者进行了回顾性分析.
- 收集的数据包括实验室发现,mpMRI结果和活检结果.
- 与ExtraTrees进行比较,轻度梯度增强机 (LGBM),极度梯度增强 (XGB),物流回归和随机森林分类器.
主要成果:
- 该LGBM分类器实现了最高的性能.
- 在LGBM模型的准确度为81.6%,AUC-ROC为78.4%.
- 预测前列腺癌的灵敏度和特异性分别为66.7%和88.2%.
结论:
- 机器学习模型可以有效地预测前列腺活检结果.
- 使用PSA,mpMRI和血液学数据进行活检前预测显示出有希望.
- 这种预测能力可能有助于减少不必要的前列腺活检数量.
更多相关视频
05:49Use of Magnetic Resonance Imaging and Biopsy Data to Guide Sampling Procedures for Prostate Cancer Biobanking
Published on: October 10, 2019
6.5K
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
135
