在直肠癌中预测瘤芽分级使用多参数MRI放射学与3D视觉转换器深度学习方法相结合
Zhanhong Liu1, Hao Yang1, Lin Nie1
1CT/MRI Department, Beijing Anzhen Nanchong Hospital, Capital Medical University & Nanchong Central Hospital, No.97, People's South Road, Nanchong, China.
Academic radiology
|April 17, 2025
概括
使用多参数MRI放射学和3D视觉转换器深度学习模型的新方法准确地预测了直肠癌患者的瘤芽分级. 这种非侵入性方法有助于个性化治疗规划和预后评估.
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:
- 瘤芽 (TB) 的分级对于直肠癌 (RC) 的预后至关重要.
- 准确的结核病分类对于RC患者的有效治疗计划至关重要.
- 对于结核病分级的非侵入性方法是非常可取的.
研究的目的:
- 评估一个多参数MRI放射学策略与3D视觉转换器 (ViT) 深度学习 (DL) 模型相结合.
- 预测瘤芽 (TB) 在直肠癌 (RC) 患者的分级非侵入性.
- 评估这种综合方法在临床应用中的有效性.
主要方法:
- 从两家医院对349名直肠腺癌患者进行了回顾性分析.
- 使用多参数MRI (T2WI,DWI,T1CE) 开发放射学 (Rad),3D ViT DL和组合 (DLR) 模型.
- 使用曲线下的面积 (AUC),德隆测试,校准曲线和决策曲线分析 (DCA) 验证模型性能.
主要成果:
- 由于缺乏重要的独立风险因素,没有建立临床模型.
- 综合DLR模型实现了高预测性能:AUC为0.938 (训练),0.867 (内部测试) 和0.824 (外部测试).
- DLR模型在不同队伍中展示了强大的和可通用的性能.
结论:
- 综合的多参数MRI放射学和3D ViT DL模型有效地预测了RC中的结核病分级.
- 这种非侵入性策略为个性化治疗规划提供了宝贵的见解.
- 这种方法有望改善直肠癌的预后评估.
