使用基于深度学习的方法,预测肝细胞癌患者对过导管动脉化学栓塞的治疗反应

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 肝细胞癌 (HCC) 是一种主要的肝癌.
• 跨动脉化学栓塞 (TACE) 是HCC的标准治疗方法.
• 预测患者对TACE的反应对于有效的治疗计划至关重要.

研究的目的:

• 评估深度学习模型在预测HCC患者TACE早期反应方面的有效性.
• 为了评估基于LeNet的新型深度学习模型与注意力机制的精度.

主要方法:

• 对接受TACE的111名HCC患者的回顾性分析.
• 使用TACE前后的MRI扫描.使用TACE前后的MRI扫描.
• 为响应预测开发了一个深度学习模型 (LeNet与注意力).
• 使用ROC曲线和基于mRECIST标准的混矩阵进行验证.

主要成果:

• 深度学习模型的AUC值为0.760 (训练) 和0.729 (测试).
• 预测准确率为70.7% (培训) 和72.3% (测试).
• 50.5%的患者表现出对TACE的客观反应.

结论:

• 使用MRI数据的深度学习模型可以有效地预测HCC患者对TACE的反应.
• 开发的带有注意力机制的LeNet模型为制定治疗策略提供了宝贵的见解.