基于深度学习的psi CT网络有效地预测HCC患者肝切除术后的早期复发
Qianyun Yao1, Weili Jia1,2, Tianchen Zhang2
1The First Affiliated Hospital of Air Force Medical University, Xi'an, China.
Abdominal radiology (New York)
|February 26, 2025
概括
这项研究开发了一个深度学习 (DL) 模型,使用增强型CT扫描来预测肝细胞癌 (HCC) 患者的早期复发. 该模型显示了通过准确的早期检测改善患者预后的前景.
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:
- 肝细胞癌 (HCC) 的复发率很高,影响患者的预后.
- 早期预测HCC复发对于及时干预和改善结果至关重要.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于预测HCC患者早期复发.
- 利用增强的CT扫描和注意力机制来提高预测准确度.
主要方法:
- 基于DenseNet的神经网络使用多机构的三相增强CT扫描来开发.
- 整合了注意力机制,专注于生存相关的地区.
- 模型性能使用一致性指数 (C指数),校准和决策曲线分析进行评估.
主要成果:
- 在验证队列中,DL模型在两年结果中实现了0.797的AUC.
- 最好的模型显示C指数为0.774,交叉验证结果平均C指数为0.778.
- 类激活图 (CAMs) 表示该模型专注于相关的腹内器官.
结论:
- 开发的基于DL的增强CT网络显示了预测早期HCC复发的巨大潜力.
- 这种方法代表了一种有前途的新策略,用于HCC管理中的早期复发预测.
