基于MRI的息地,内和周围瘤机器学习模型用于预测直肠癌中的周围神经侵入
Junyuan Zhong1, Teng Huang1,2, Rongjian Jiang3
1Department of Medical Imaging, Ganzhou People's Hospital, The Affiliated Ganzhou Hospital of Nanchang University, Ganzhou, 341000, China.
Abdominal radiology (New York)
|July 2, 2025
概括
这项研究开发了一种放射学模型,用于预测直肠癌中的围神经入侵 (PNI). 结合了内,周和亚区域特征的组合模型,在预测PNI状态方面表现出高准确度.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
背景情况:
- 周围神经侵入 (PNI) 是直肠癌的关键预后因素.
- 准确的手术前预测PNI对于指导治疗策略至关重要.
研究的目的:
- 开发和验证用于预测直肠癌周围神经侵入 (PNI) 的非侵入性放射学模型.
- 评估基于息地,内,周围和联合放射学模型的性能.
主要方法:
- 在两个中心对385名直肠癌患者的手术前多式磁共振图像进行分析.
- 使用T2加权和扩散加权成像的内,周和亚区域特征开发放射学模型.
- 使用支向量机算法构建预测模型,包括"总"组合模型.
主要成果:
- "总"组合放射学模型在预测PNI方面表现出卓越的表现.
- 总模型的曲线下的面积 (AUC) 值为0.912 (培训),0.882 (内部验证) 和0.880 (外部验证).
结论:
- 整合内,周和亚区域放射学特征是预测直肠癌中PNI的有效策略.
- 这种方法提高了对直肠癌治疗的临床决策准确性和可靠性.


