构建的人工神经网络模型在肝细胞癌中微血管入侵的预测价值:一项回顾性研究

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:

• 微血管侵袭 (MVI) 是肝细胞癌 (HCC) 手术后复发和转移的关键预后因素.
• 目前在HCC中对MVI进行手术前评估的方法有限.

研究的目的:

• 评估多参数磁共振成像 (MRI) 纹理特征和放射性标志的预测能力,用于HCC中MVI的非侵入性,手术前预测.
• 为此预测开发和验证一个人工神经网络 (ANN) 模型.

主要方法:

• 从97名HCC患者的临床数据的回顾性分析.
• 使用MaZda4.6软件和相互信息识别主导纹理特征.
• 构建ANN模型,结合纹理特征和放射性标志 (例如伪囊状态,瘤血管).
• 使用AUC,灵敏度,特异性和稳定性测试对模型性能进行评估.

主要成果:

• 假囊的缺失/不完整以及瘤血管的存在是MVI的独立预测因素.
• 结合伪囊状态,瘤血管和动脉/静脉阶段的ANN模型显示出优异的预测性能.
• 开发的ANN模型是自动化的,可操作的,稳定的.

结论:

• 一个使用多参数MRI综合主导特征的ANN模型提供了一种可靠的非侵入性方法,用于在HCC中进行手术前MVI预测.
• 这种方法可以帮助手术决策,改善患者的治疗结果.