基于MRI的深度学习放射学来区分双现型肝细胞癌与HCC和肝内胆管癌:一项多中心研究
1Department of Radiology, The First Affiliated Hospital of Soochow University, Suzhou, China.
Insights into imaging
|January 29, 2025
概括
放射学和深度学习模型使用MRI有效地区分双现型肝细胞癌 (DPHCC) 与HCC和ICC. 融合模型显示出卓越的诊断准确性,有助于对这些肝脏瘤的临床决策.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 对于有效的治疗,区分双现型肝细胞癌 (DPHCC),肝细胞癌 (HCC) 和肝内胆管癌 (ICC) 是至关重要的.
- 准确的术前分化这些肝脏恶性瘤仍然是一个挑战.
研究的目的:
- 开发和验证使用对比增强MRI (CE-MRI) 的放射学和深度学习模型,以区分DPHCC与HCC和ICC.
- 为了比较放射学,深度转移学习 (DTL) 和融合模型的诊断性能.
主要方法:
- 一项多中心研究涉及381名患有HCC,DPHCC和ICC的患者.
- 基于CE-MRI数据的放射学,DTL (vgg19) 和融合模型的开发.
- 使用混矩阵和ROC曲线分析对模型性能进行内部和外部验证.
主要成果:
- 放射学模型实现了宏观AUC>0.9和精度/F1分数>0.75.
- 结合vgg19的DTL模型表现优于放射学模型.
- 融合模型,特别是基于vgg19的融合模型,表现出卓越的性能,宏观AUC为0.990 (内部) 和0.988 (外部),以及高精度和F1分数.
结论:
- 放射学和DTL模型可以在手术前区分DPHCC与HCC和ICC.
- 融合模型提供了更高的诊断准确性和增量价值,仅仅是放射学.
- 这些基于人工智能的模型有助于对恶性肝癌的临床决策.


