人类乳头瘤病毒 (HPV) 预测口腔癌基于CT使用现成特征:一项双数据集研究

科学领域:

• 医疗成像医学成像
• 计算病理学计算病理学
• 在瘤学瘤学.

背景情况:

• 口癌的诊断通常依赖于人类乳头瘤病毒 (HPV) 状态.
• 目前基于图像的HPV预测方法面临着计算需求和性能方面的挑战.
• 需要新的,高效的预测模型来提高临床效用.

研究的目的:

• 利用计算机断层扫描 (CT) 成像开发一种新的,计算效率高的预测模型,用于检测口腔癌中HPV的存在.
• 通过在罗神经网络架构中集成多模式功能来增强信息表示.
• 在内部和外部数据集上验证模型的性能.

主要方法:

• 采用罗神经网络架构,集成手工制作和3D深度功能.
• 制造商规范化和转移学习被用于增强表示和计算效率.
• 该模型的设计是为了在单个CPU平台上执行,在内部的1453个样本和外部的独立数据集上进行验证.

主要成果:

• 拟议的模型在内部验证中显示出卓越的性能,平均AUC为0.791和准确度为0.741.
• 外部验证显示AUC为0.581,而纯深度特征模型的AUC为0.700.
• 废弃性研究证实了制造商规范化和组合特征集的好处.

结论:

• 开发的模型优于在口腔癌中预测HPV状态的现有方法.
• 该模型在单个CPU平台上的计算可访问性显著提高了其临床可用性,并减少了资源需求.
• 这种方法为将成像数据整合到癌症诊断中提供了一个有希望的,高效的工具.