使用放射学和深度学习ViT模型预测结直肠瘤的骨转移风险

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
• 医疗成像医学成像

背景情况:

• 大肠直肠癌 (CRC) 经常转移到骨,对患者的预后产生负面影响.
• 准确预测骨转移对于定制治疗和改善CRC患者的治疗结果至关重要.

研究的目的:

• 开发和评估使用放射学和视觉转换器 (ViT) 深度学习的CRC骨转移的预测模型.
• 评估双模式CT成像方法与ViT结合用于转移风险预测的疗效.

主要方法:

• 对155名CRC患者 (81名患有骨转移,74名没有) 的回顾性分析.
• 从普通和对比度增强的CT图像中提取放射性特征.
• 开发传统的机器学习模型 (SVM,KNN,随机森林,LightGBM,XGBoost) 和一个带有晚期融合的双模式ViT模型.
• 使用AUC-ROC,精度,灵敏度,特异性和DeLong的测试进行性能评估.

主要成果:

• 在测试组中,ViT模型实现了0.918的优异AUC,显著超过传统基于放射学模型的表现.
• ViT模型在捕捉复杂的空间关系和成像数据中的远程依赖性方面表现出卓越的能力.
• 统计分析证实了ViT模型所提供的预测性能的显著提升.

结论:

• 将放射学与ViT深度学习集成为预测CRC患者骨转移风险提供了一种强大的方法.
• 在分析双模 CT 数据方面,ViT 模型的精度提高了对改善临床决策和个性化治疗的风险评估.
• 先进的深度学习模型显示了改善转移预测准确性的前景;建议进一步进行多中心验证.