基于MRI放射学和深度学习的脑膜瘤鼻入侵的手术前诊断:一个多中心研究
Yuan Gui1,2, Wei Hu1,2, Jialiang Ren3
1Department of Radiology, The Fifth Affiliated Hospital of Zunyi Medical University, zhufengdadao No.1439, Zhuhai, Doumen District, China.
概括
结合放射学和深度学习 (DL) 功能的新型融合模型显著改善了脑膜瘤鼻入侵的手术前诊断,有助于手术规划和预后评估.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 精确的脑膜瘤鼻入侵的术前诊断对于手术规划至关重要.
- 传统方法可能缺乏复杂案例所需的精度.
研究的目的:
- 开发和评估一个融合模型,整合放射学和深度学习 (DL) 功能,用于脑膜瘤鼻入侵诊断.
- 与单个特征模型相比,评估这种融合模型的诊断性能.
主要方法:
- 追溯分析601名脑膜瘤患者的MRI数据.
- 辐射和DL特征 (VGG,ResNet,DenseNet) 的提取.
- 使用逻辑回归,相关性分析和Boruta算法进行特征选择,然后进行随机森林模型构建.
主要成果:
- 使用21个选定的特征 (6个放射性,15个DL) 构建了一个融合模型 (DL-放射性).
- 融合模型实现了优异的诊断性能,AUC为0.818 (训练),0.814 (内部验证) 和0.769 (外部验证).
- 在聚变模型和放射学/VGG模型之间观察到显著差异 (p < 0.05).
结论:
- DL-放射学融合模型证明了对脑膜瘤鼻入侵的增强诊断能力.
- 该模型为手术前决策和患者结果预测提供了有前途的工具.
