基于深度学习和机器学习模型,预测肺腺癌通过空气传播
Zengming Wang1, Lingxin Kong1, Bin Li1
1Department of Thoracic Surgery, Hebei General Hospital, NO. 348 Heping West Road, Xinhua District, Shijiazhuang, Hebei, 050000, P.R. China.
Journal of cardiothoracic surgery
|August 14, 2025
概括
一个新的机器学习模型准确地预测肺腺癌在手术前通过空气空间 (STAS) 传播. 这种放射学方法有助于对侵袭性肺腺癌的个性化患者管理.
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:
- 通过空气空间传播 (STAS) 是入侵性肺腺癌的关键预后因素.
- 准确的手术前预测STAS对于定制患者治疗策略至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于肺腺癌中STAS的非侵入性和手术前预测.
- 评估成像组织学和临床特征在预测STAS中的有效性.
主要方法:
- 分析了138名患有侵袭性肺腺癌的患者队列.
- 使用手术前成像和临床数据,采用了机器学习和深度学习技术,包括ResNET50.
- 一个基于逻辑回归的名录图被用于STAS预测.
主要成果:
- 后勤回归模型使用成像组织学特征实现了0.764 (训练) 和0.776 (测试) 的AUC.
- 一个结合成像组织学和临床特征的组合诺米图的AUC达到0.878.8.
- 基于ResNET50深度学习功能的机器学习模型表现出卓越的性能,AUC为0.918.
结论:
- 开发的放射学模型提供了一种非侵入性方法,用于在侵入性肺腺癌中预测STAS.
- 这个工具可以帮助临床医生在手术前风险分层和个性化治疗计划.


