预测肝细胞癌对TACE的反应:基于2.5DCT成像和深度特征分析的机器学习研究
Chong Lin1, Ting Cao1, Maowen Tang2
1Department of Radiology, The Affiliated Hospital of Guizhou Medical University, Guiyang, Guizhou, China; Department of Nuclear Medicine, Guizhou Provincial People's Hospital, Affiliated Hospital of Guizhou University, Guiyang, Guizhou, China.
这项研究开发了一种机器学习 (ML) 模型,使用CT图像来预测肝细胞癌 (HCC) 治疗反应. 该模型显示,在经过跨动脉化学栓塞 (TACE) 的HCC患者中,有可能改善预后预测.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 对于经过过动脉化学栓塞 (TACE) 的肝细胞癌 (HCC) 患者来说,准确的预后预测对于治疗计划至关重要.
- 目前的方法缺乏客观性,需要先进的预测工具.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测HCC患者的TACE反应.
- 利用从2.5DCT图像中提取的深度特征来预测预后.
主要方法:
- 公共数据集 (TCIA) 用于ResNet50转移学习和ML模型构建.
- 在该机构治疗的26名患者的外部测试数据集被用于验证.
- 2.5D图像是从轴向,斜面和冠状CT视图中构建的;ResNet50作为特征提取器.
主要成果:
- 机器学习模型 (RFC,SVC,LR,XGB) 在外部测试数据集上表现强.
- 曲线下的面积 (AUC) 值在0.89到0.91.9之间.
- 精度从0.79到0.81不等,F1分数从0.75到0.79.7不等.
结论:
- 开发的ML模型利用2.5DCT图像的深度特征,显示出在TACE后预测HCC患者预后的巨大潜力.
- 这种方法可以帮助临床医生为HCC患者做出更明智的治疗决策.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
07:32Mast Cells in the Microenvironment of Hepatocellular Carcinoma Confer Favorable Prognosis: A Retrospective Study using QuPath Image Analysis Software
Published on: April 12, 2024