病理性淋巴结成像使用基于深度学习的结果预测在口腔瘤患者的预后价值

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 深度学习 (DL) 模型分析治疗前PET/CT扫描的预后特征.
• 口腔癌 (OPC) 治疗依赖于准确的结果预测.

研究的目的:

• 评估将病态淋巴结 (PL) 空间数据纳入DL模型的影响.
• 为了提高局部控制 (LC),区域控制 (RC),远程无转移存活率 (DMFS) 和OPC的整体存活率 (OS) 的预测准确度.

主要方法:

• 利用PET/CT扫描和409名OPC患者的原发性瘤 (PT) 和PL手动轮.
• 开发了DL模型来细分瘤并生成概率图.
• 通过5倍交叉验证使用各种图像数据和轮组合的训练和验证的预测模型.

主要成果:

• 包括PL空间信息改善了RC,DMFS和OS的预测性能.
• 结合PT和PL的模型实现了0.65 (RC) 和0.80 (DMFS) 的C指数.
• 单独的PT和PL模型产生了最高的OS预测C指数0.70.

结论:

• 病理性淋巴结空间信息增强了OPC中基于DL的结果预测.
• 这些发现支持整合全面的空间数据,以获得更准确的预后模型.