基于Sonazoid对比增强超声波的变压器模型,用于在肝细胞癌中预测微血管入侵

科学领域:

• 医疗成像中的人工智能
• 肝细胞癌 (HCC) 研究研究
• 基于超声波的诊断方法

背景情况:

• 微血管侵袭 (MVI) 显著影响肝细胞癌 (HCC) 患者的预后.
• 准确的MVI手术前预测对于治疗计划和患者的结果至关重要.

研究的目的:

• 评估变压器模型与Sonazoid对比增强超声波 (CEUS) 结合用于HCC手术前MVI预测的疗效.
• 将变压器模型的性能与放射性和临床模型进行比较.

主要方法:

• 对164名HCC患者的回顾性分析.
• 从动脉和Kupffer阶段CEUS图像中提取深度学习和放射性特征.
• 使用后勤回归的变压器,放射性和临床预测模型的开发和验证.
• 使用AUC,精度,灵敏度和特异性的性能评估,超过50次代.

主要成果:

• 变压器模型 (动脉相变压器和库弗相变压器) 在训练和验证组中表现出与放射学和临床模型相比更好的诊断性能.
• 库普弗相变压器模型实现了0.859的AUC (95%CI:0.766-0.977) 准确度为70.0%.
• 瘤大小和α-fetoprotein (AFP) 被确定为MVI的独立预测因素.

结论:

• 与Sonazoid CEUS集成的变压器模型提供了一种强大的工具,用于在HCC中有效的手术前识别MVI.
• 这种人工智能驱动的方法有可能改善患者分层和指导临床决策.