| 张文娟，张利文，邓娟，任铁柱，徐敏，周俊林.进展期胃癌生存预测：基于增强CT深度学习模型的构建[J].放射学实践,2024,(04):488-495 |
| 进展期胃癌生存预测：基于增强CT深度学习模型的构建 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2024.04.010 |
| 中文关键词: 进展期胃癌 体层摄影术，X线计算机 残差卷积神经网 深度学习 预后 |
| 基金项目:国家自然科学基金资助项目（82102151）；兰州市青年科技人才创新项目（2023-2-44）；甘肃省省级人才项目青年个人项目（甘组通字【2024】4号） |
|
| 摘要点击次数: 155 |
| 全文下载次数: 164 |
| 中文摘要: |
| 【摘要】目的：探讨基于术前增强CT构建的深度学习（DL）模型对进展期胃癌（AGC）1、2、3年生存概率的预测价值。方法：回顾性分析2013年1月－2015年12月在本院经病理证实为AGC的337例患者的临床和CT资料。按照7:3的比例将患者随机分为训练集（n=237）和验证集（n=100）。采用数据增强技术增加训练集的数据量，随后基于术前CT增强静脉期图像构建残差卷积神经网络结构的DL模型，预测AGC患者1、2、3年的生存概率。经Cox单因素及多因素分析构建临床模型，然后联合DL模型和临床模型构建综合模型并绘制其诺莫图。计算各模型的Harrel一致性指数（C-index）和风险比（HR），并应用Kaplan-Meier曲线、校准曲线及临床决策曲线比较3种模型对OS的预测效能。结果：在训练集和验证集中，临床模型、DL模型和综合模型的C-index值分别为0.70（95%CI：0.65~0.75）、0.72（95%CI：0.67~0.76）、0.74（95%CI：0.69~0.78）和0.64（95%CI：0.56~0.71）、0.66（95%CI：0.58~0.73）、0.67（95%CI：0.59~0.74），表明综合模型具有最优的生存期预测能力；三个模型的HR分别为2.72（95%CI：2.06~4.02）、2.88（95%CI：1.89~4.39）、2.72（95%CI：2.13~3.49）和2.11（95%CI：1.43~3.11）、4.32（95%CI：1.66~11.24）、1.89（95%CI：1.36~2.60），均以DL模型的HR最高，表明DL模型预测的高危人群具有更高的死亡风险。校准曲线分析显示基于综合模型的诺莫图预测AGC患者1、2、3年生存概率与实际的预后随访结果具有较高的一致性。临床决策曲线显示综合模型的净收益优于其它2种模型。结论：基于CT增强静脉期图像利用残差卷积神经网络构建的DL模型是一种良好的AGC患者生存风险评估模型，对AGC患者生存期的早期预判具有较高的临床应用价值。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
