一个基于CT的手术前多参数深度学习和放射性模型,带有细胞外体积参数图像,可以预测直肠癌患者的瘤芽程度

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:

• 瘤芽 (TB) 是直肠癌的一个预后指标.
• 准确的结核病等级的术前评估对于治疗规划至关重要.

研究的目的:

• 开发和验证基于计算机断层扫描 (CT) 的多参数深度学习放射性模型 (DLRM),用于预测直肠癌患者的手术前瘤芽 (TB) 度.

主要方法:

• 对135名直肠癌患者的回顾性分析.
• 从基于CT的细胞外体积 (ECV) 和静脉相图像中提取深度学习 (DL) 和手工制作的放射性 (HCR) 特性.
• 使用机器学习算法构建六个预测签名和一个联合的DLRM.

主要成果:

• 在训练和测试队伍中,DLRM在0.976的高AUC值中实现了高AUC值.
• DLRM证明了良好的输出协议和临床适用性.
• 在预测结核病等级方面,DLRM显著优于单个DL和HCR签名 (p < 0.05).

结论:

• DLRM提供了一种非侵入性方法,用于在直肠癌中进行手术前结核病等级评估.
• 该模型可以支持直肠癌患者的临床治疗决策.