基于MRI的深度学习放射学预测口腔癌的组织分化:一个多中心队列研究
Zhaoyu Pan1,2,3, Wei Lu4, Changyun Yu4
1Department of Otolaryngology Head and Neck Surgery, Xiangya Hospital, Central South University, 87 Xiangya Road, Changsha, 410008, China.
概括
一个新的深度学习放射学 (DLR) 框架使用MRI准确预测口腔癌分化等级. 这种先进的模型有助于精确的手术前诊断和临床决策,
科学领域:
- 癌症学
- 放射学
- 人工智能
背景情况:
- 口腔瘤组织学差异化对于治疗计划至关重要.
- 准确的手术前分类仍然是一个临床挑战.
- 磁共振成像 (MRI) 提供了关于瘤特征的宝贵见解.
研究的目的:
- 使用MRI开发和验证深度学习放射学 (DLR) 框架.
- 预测口腔癌中的组织分化等级.
- 为了提高手术前诊断的准确性.
主要方法:
- 对来自中国三所医院的122名口癌患者进行了回顾性分析.
- 从MRI扫描中提取和改进放射学和深度学习特征.
- 将特征整合到DLR模型中进行组织学差异化评估.
- 使用接收器操作特征曲线下的面积 (AUC) 和决策曲线分析 (DCA) 进行性能评估.
主要成果:
- DLR模型的预测性能很强,AUC为0. 871 (训练) 和0. 803 (测试).
- DLR模型表现优于独立的放射学模型和深度学习模型.
- DCA证实了DLR模型在预测组织学分化的临床实用性.
结论:
- 基于MRI的DLR模型显示了口腔瘤组织学差异化的高预测精度.
- 这种框架有可能改善手术前诊断.
- 该模型可以在口腔癌患者的临床决策中发挥重要作用.
