深度学习和放射学模型在通过超声波预测肝细胞癌分化的比较分析
Luohang Xu1, Yanhua Huang2, Hong Fu3,4
1School of Medicine, Shaoxing University, Shaoxing, Zhejiang, China.
Frontiers in medicine
|October 13, 2025
概括
这项研究使用超声波放射学和深度学习开发了肝细胞癌 (HCC) 的预测模型. 综合模型显著提高了诊断准确度,为手术前评估提供了一个有前途的非侵入性工具.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 肝细胞癌 (HCC) 诊断依赖于成像,但差异化可能具有挑战性.
- 放射学和深度学习为基于图像的分析提供了新的方法.
研究的目的:
- 开发和比较使用超声波放射学和深度学习对HCC差异化的预测模型.
- 评估一个结合放射学和深度学习模型的临床实用性.
主要方法:
- 放射学和深度学习模型是从灰度超声波图像中构建的.
- 一个综合模型整合了这两种方法.
- 使用ROC曲线,校准曲线和DCA评估性能,通过DeLong测试测试统计显著性.
主要成果:
- 组合模型实现了0.918的优异AUC,优于单个放射学 (AUC 0.736) 和深度学习 (AUC 0.861) 模型.
- 综合模型对放射学模型的改进在统计学上是显著的.
- 校准分析显示,预测和结果之间有很好的一致性,而DCA表明组合模型的净临床益处更高.
结论:
- 整合放射学和深度学习显著提高了基于超声波的HCC差异化模型的预测准确度.
- 这种综合方法为手术前HCC评估提供了一个有希望的非侵入性策略.
