基于CT的放射学和深度学习用于在卵巢癌中进行腹膜转移的术前预测
Yanjun Liu1, Huanying Yin1, Jiaojiao Li2
1Hebei North University, Zhangjiakou, China.
Abdominal radiology (New York)
|August 13, 2025
概括
一种深度学习放射性基因组图 (DLRN) 在手术前准确预测卵巢癌患者的腹转移. 这种非侵入性工具有助于个性化治疗计划,以更好地管理卵巢癌.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 腹转移 (PM) 是卵巢癌 (OC) 进展和患者结局的关键因素.
- 精确的PM手术前预测对于OC的有效治疗规划和管理至关重要.
研究的目的:
- 开发和验证基于CT的深度学习放射学诺米克图 (DLRN) 用于在卵巢癌 (OC) 患者中进行腹膜转移 (PM) 的术前预测.
主要方法:
- 从296名OC患者的CT图像中提取了放射学和深度学习 (DL) 特性.
- 最少绝对收缩和选择操作员 (LASSO) 算法选择了重要的特征.
- 通过整合临床因素,放射学和DL特征,构建了一个DLRN.
主要成果:
- DLRN实现了高预测性能,AUC为0.943 (训练) 和0.951 (测试).
- DLRN的表现优于个别的临床,放射学和DL模型.
- 决策曲线分析证实了DLRN的显著临床实用性.
结论:
- DLRN是一种高度准确且非侵入性的工具,用于OC的手术前PM预测.
- 这种模型对于个性化治疗规划具有相当大的临床潜力.
- DLRN可以导致OC患者的更精确和更有效的管理.
