Radiology：放射组学评价肝纤维化
2018-06-07 shaosai MedSci原创
本研究旨在探讨深度卷积神经网络（DCNN）模型通过应用钆酸增强肝胆期磁共振（MR）成像在肝纤维化分期中的表现。
本研究旨在探讨深度卷积神经网络（DCNN）模型通过应用钆酸增强肝胆期磁共振（MR）成像在肝纤维化分期中的表现。
本回顾性研究包括有输入数据（肝胆期MR图像，成像单元的静态磁场，以及阳性和阴性的乙型和丙型肝炎病毒检测结果）和参考标准数据（肝纤维化分期由MR检查6个月内的活检或手术标本来评估）的患者，他们被分为训练组（534例）和试验（100例）。对于训练组（肝纤维化阶段为F0、F1、F2、F3和F4的病人分别有54， 53， 81， 113， 和 233例），平均年龄、67.4±9.7岁、388名男性和146名女性，三个不同方位的MR图像增加90倍（旋转、平行移位、亮度改变和对比度改变，共144180幅图像）。为了将输出数据（通过深度学习获得的纤维化评分[FDL评分）和肝纤维化阶段之间的差异最小化，使用DCNN模型进行管理训练。使用受试者工作曲线评估试验组中DCNN模型（纤维化阶段为F0、F1、F2、F3和F4的病人分别有10， 10， 15、20和45例，平均年龄、66.8岁±10.7岁、71名男性患者和29名女性患者）的表现。
本研究结果为F DL评分与纤维化分期显着着相关（Spearman等级相关系数：0.63； P <0.001）。诊断纤维化阶段为F4，F3和F2的ROC曲线下面积分别为0.84，0.84和0.85。
本研究结论为DCNN模型在肝纤维化分期中表现出较高的诊断性能。
原始出处：
Yasaka K， Akai H， Kunimatsu A. et al.Liver Fibrosis： Deep Convolutional Neural Network for Staging by Using Gadoxetic Acid-enhanced Hepatobiliary Phase MR Images.Radiology.DOI10.1148/radiol.2017171928
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
作者：shaosai
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
小提示：本篇资讯需要登录阅读，点击跳转登录
#肝纤维#
43
#评价#
61
学习了.有用的研究
85
学习了.谢谢
0