基于肌肉成像特征的机器学习和深度学习混合方法用于诊断食道癌症
Yuan Hong1, Hanlin Wang2, Qi Zhang2
1Department of General Surgery, The First Affiliated Hospital of Anhui Medical University, Hefei 230022, China.
Diagnostics (Basel, Switzerland)
|July 29, 2025
概括
这项研究开发了结合肌肉和食道成像的深度学习模型,用于食道癌症诊断. 肌肉成像功能提高了诊断准确度,多式联接模型显示出卓越的性能.
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:
- 放射学和人工智能的进步为食道癌症诊断提供了新的工具.
- 这项研究创新地将肌肉成像功能与常规食道成像进行集成,用于增强诊断模型.
研究的目的:
- 通过结合肌肉和传统成像功能来构建食道癌症的深度学习诊断模型.
- 评估多式融合模型对病理亚型,T阶段和N阶段的诊断性能.
主要方法:
- 对1066名患者的手术前CT扫描进行了回顾性分析.
- 深度学习和传统机器学习模型的开发,使用食道,胃和肌肉成像特征.
- 主要组件分析 (PCA) 的应用,用于特征尺寸缩小和多式联接.
主要成果:
- 基于肌肉的模型在N2分期预测方面表现优于食道/胃模型 (p=0.03).
- 与单一模式模型相比,多式融合模型在预测病理亚型,T阶段和N阶段方面表现优越.
- 后勤回归,SVM和MLP融合模型分别显示了亚型,T阶段和N阶段预测的高准确性.
结论:
- 系统地开发了基于CT的预测模型,用于食道癌的分期和亚型.
- 肌肉成像功能显著促进食道癌的诊断准确性.
- 综合各种成像特征的多式融合模型始终产生卓越的诊断性能.
