Py学习  »  机器学习算法

基于多序列MR图像最优VOI的机器学习预测浸润性乳腺癌淋巴血管浸润

BioRadiology • 6 月前 • 108 次点击  

文章题目:

Machine learning based on optimal VOI of multi-sequence MR images to predict lymphovascular invasion in invasive breast cancer

发表期刊:Heliyon

发表时间:2024年3月

文章摘要

背景 淋巴血管浸润是浸润性乳腺癌的重要预后指标,影响治疗决策。我们的目标是开发一种机器学习模型,利用从多序列磁共振图像中提取的最佳感兴趣体积来预测浸润性乳腺癌患者的淋巴血管侵袭。

材料和方法 本研究纳入191例经多序列磁共振成像诊断为浸润性乳腺癌的患者。通过单变量和多变量逻辑回归分析确定独立预测因子,最终建立临床模型。从不同感兴趣体积尺度(- 2mm,整个,+ 2mm, + 4mm和+ 6mm)的多序列磁共振成像图像中提取放射学特征。随后,利用机器学习模型算法开发了各种放射学模型,包括逻辑回归、支持向量机、kNN、梯度增强机、分类回归树和随机森林。然后制定了一个混合模型,融合了最佳的放射学和临床模型。

结果 临床模型曲线下面积为0.757。在放射组学模型中,最有效的诊断是基于kNN的放射组学-感兴趣体积(+2 mm),曲线下面积为0.780。结合基于kNN的放射组学-感兴趣体积(+2 mm)的混合模型和临床模型优于个体临床和放射组学模型,曲线下面积为0.864。

结论 利用结合临床数据和基于多尺度肿瘤区域感兴趣体积(+ 2mm)的多序列磁共振成像衍生放射组学模型的混合方法,可有效确定患者的淋巴血管侵袭状态。

核心图片


图1 分割示意图


图2 ROC曲线图


图 3 ROC曲线及DCA曲线





Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/175104
 
108 次点击