自动细分和基于CT的深度学习放射学诺米克图用于预测小细胞肺癌患者的整体存活率:一个多中心队列研究
Xiaomin Zheng1, Kaicai Liu1, Mengmeng Zhao1
1Department of Radiology, The First Affiliated Hospital of Anhui Medical University, Hefei 230031, China.
Computer methods and programs in biomedicine
|November 18, 2025
概括
一个新的3D自动细分模型准确地识别小细胞肺癌 (SCLC) 病变. 一种深度学习放射学名图 (DLRN) 有效地预测使用CT扫描的SCLC患者的整体存活率.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 准确预测整体存活率 (OS) 对小细胞肺癌 (SCLC) 的个性化治疗至关重要.
- 计算机断层扫描 (CT) 成像在SCLC诊断和管理中发挥着关键作用.
- 开发先进的预测模型对于改善患者治疗结果至关重要.
研究的目的:
- 开发CT图像上的SCLC病变的3D自动细分模型.
- 创建和验证一个深度学习放射学名图 (DLRN) 用于预测SCLC患者的OS.
- 根据现有模型和临床因素评估DLRN的性能.
主要方法:
- 对来自中国四家医院的1061名SCLC患者进行了回顾性分析.
- 利用nnU-Net框架对SCLC病变进行3D自动细分.
- 从预处理CT扫描 (动脉和静脉阶段) 中提取了放射学和深度学习特征,以构建DLRN.
主要成果:
- 3D细分模型实现了高精度 (0.878和0.872的迪斯系数).
- DLRN表现出强大的OS预测性能,在内部和外部验证队列中具有高一致性指数.
- DLRN的表现优于单个模型和临床名录,尽管临床因素并没有提高其有效性.
结论:
- 3D自动化细分模型准确地识别了SCLC病变.
- 基于CT的DLRN显示出在SCLC患者中预测临床结果的巨大潜力.
- 这种方法可能为定制个性化SCLC治疗提供有价值的见解.
