一个基于MRI的3D深度学习模型,用于预测直肠癌中的淋巴血管入侵
Tangjuan Wang1, Chuanyu Chen2,3, Chang Liu1
1Department of Radiology, The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, Anhui, China.
Medical physics
|May 20, 2025
概括
一个新的深度学习模型使用MRI准确地预测直肠癌中的淋巴血管入侵 (LVI). 3D GPTV10模型显示出卓越的性能,有助于个性化治疗策略.
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:
- 评估淋巴血管侵袭 (LVI) 对直肠癌管理至关重要.
- 通过成像进行手术前的LVI评估带来了重大挑战.
- 放射学为提高诊断准确性提供了潜力.
研究的目的:
- 开发和验证一种深度学习模型,用于预测直肠癌中的LVI.
- 使用术前磁共振成像 (MR) 进行预测.
- 提高直肠癌患者LVI的诊断能力.
主要方法:
- 使用手术前MRI T2WI轴形象开发了一个深度学习模型.
- 感兴趣的区域包括瘤和边缘 (5,10,15,20像素).
- 采用DenseNet121架构进行二维和三维特征提取,创建GTV和GPTV10等模型.
主要成果:
- 3D GPTV10模型实现了最高的AUC (0.961培训,0.928验证).
- 3D GPTV10模型显著优于其他2D和3D模型 (p < 0.05).
- 2D GPTV10 模型表现良好 (AUC 0.891 训练,0.841 验证).
结论:
- 一个3D深度学习模型 (3D GPTV10) 准确地预测直肠癌中的LVI.
- 该模型利用了手术前的MRI数据,专注于瘤和10像素边缘.
- 这种预测工具可以帮助临床医生制定针对直肠癌的个性化治疗计划.
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
8.2K
06:09Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI
Published on: July 21, 2023
1.0K