在三相增强CT中区分恶性和良性焦点肝病变,使用基于机器学习的放射学
Lingyun Wang1, Zhihan Xu2, Lu Zhang1
1Radiology department, Shanghai General Hospital, Shanghai Jiao Tong University School of Medicine, Haining Rd.100, Shanghai, 200080, China.
The British journal of radiology
|June 28, 2025
概括
使用三相增强CT的新放射学模型有效地区分恶性与良性焦点肝病变 (FLLs). 这种工具显示了查阳性病例和减少肝损伤诊断中的假阴性病例的潜力.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 在瘤学瘤学.
背景情况:
- 三相增强CT提供了关于血液供应的详细信息.
- 区分恶性和良性焦点肝病变 (FLLs) 对于患者管理至关重要.
研究的目的:
- 开发一种使用三相增强CT的放射学模型,以区分恶性与良性FLLs.
- 评估模型的性能与放射科医生的评估对比.
主要方法:
- 从三相增强型CT扫描中对FLL进行回顾性分析,并得到了他的病理学确认.
- 在动脉阶段 (AP),门静脉阶段 (PVP) 和延迟阶段 (DP) 中提取放射性特征,包括阶段斜率.
- 使用Boruta和随机森林算法进行特征选择,以创建放射性签名.
主要成果:
- 放射学特征在测试队列中实现了0.896的AUC,用于识别恶性FLLs.
- 性能与高级放射科医生 (AUC 0.935) 相美,与经验较少的放射科医生 (AUC 0.812,0.747) 相美.
结论:
- 放射学模型在区分恶性和良性FLL方面表现出很高的性能.
- 这种模型可以作为一个有价值的工具,用于查和最大限度地减少虚假阴性在肝损伤诊断.
