基于MRI的模型使用息地成像来预测肝细胞癌中明显的血管模式
Yingliang Xie1, Tao Zhang1, Zixin Liu1
1Nantong University, Nantong, Jiangsu 226006, China (Y.X., T.Z., Z.L., Z.Y., Q.Q.); Department of Radiology, Nantong Third People's Hospital, Nantong, Jiangsu 226006, China (Y.X., T.Z., Z.L., Z.Y., Q.Q., X.Z.); Department of Radiology, Affiliated Nantong Hospital 3 of Nantong University, Nantong, Jiangsu 226006, China (Y.X., T.Z., Z.L., Z.Y., Q.Q., X.Z.).
新的成像模型准确地预测了肝癌患者的微血管入侵 (MVI) 和封装瘤集群的血管 (VETC). 这些模型有助于进行非侵入性预后评估和早期复发的风险分层.
科学领域:
- 放射学和医学成像学 医学成像学
- 机器学习在瘤学中
- 肝细胞癌 (HCC) 研究研究
背景情况:
- 微血管入侵 (MVI) 和封装瘤集群的血管 (VETC) 是肝细胞癌 (HCC) 的关键预后因素.
- 准确的MVI和VETC手术前预测仍然具有挑战性,影响治疗决策和患者的结果.
研究的目的:
- 开发和验证基于息地成像的独特模型,用于预测HCC的MVI和VETC.
- 整合这些预测模型,以提高预后评估和患者风险分层.
主要方法:
- 多中心回顾性研究,从肝胆相图像中对瘤和周区域进行细分.
- 使用机器学习算法进行特征提取和分析,以构建MVI和VETC预测模型.
- 考克斯回归分析以确定早期复发的独立预测因素.
主要成果:
- 开发的MVI和VETC预测模型在培训和外部验证队列中显示出高性能 (AUC从0.820到0.961).
- 根据模型预测,成功将患者分为低,中,高风险组.
- 风险组,瘤数量和性别被确定为早期复发的独立预测因素.
结论:
- 基于息地成像的模型能够准确,非侵入性,在HCC中MVI和VETC的手术前预测.
- 这些模型提供了有价值的诊断见解,并促进了风险分层,以改善患者管理.
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
10:25Author Spotlight: Integrating High-Resolution Intravital Imaging and MRI to Enhance Stereotactic Body Radiation Therapy Planning
Published on: April 12, 2024
相关概念视频
Imaging Studies VII: Vascular Imaging
Magnetic Resonance Imaging
Imaging Studies for Cardiovascular System IV: CMRI
