换一批摘要目的 基于T2WI开发并验证一种预测脑胶质瘤患者无进展生存期(progression-free survival,PFS)的深度学习(deep learning,DL)模型.材料与方法 收集了来自三个中心共345名被诊断为胶质瘤患者的MRI图像和临床资料.建立了9个DL模型来预测PFS,使用外部测试集对模型性能进行验证.采用C指数确定最佳模型,并比较了这些模型的性能.根据训练集中计算的风险评分截止值,将患者分层为高风险组和低风险组,评估他们的PFS之间的差异.结果 训练集和测试集分别由249名和96名患者组成.Wide ResNet50-2深度学习模型表现优异,在训练集和测试集的C指数分别为0.694和0.714.将临床特征与DL特征结合后建立的综合模型得到最高的模型表现,在训练集和外部测试集的C指数分别为0.724和0.795.根据深度学习特征计算的风险评分可以用于区分不同风险的患者.结论 基于术前MRI的DL模型能够预测胶质瘤患者的PFS,并可作为术前风险分层工具.
更多相关知识
关键词
脑胶质瘤磁共振成像深度学习机器学习无进展生存期brain gliomamagnetic resonance imagingdeep learningmachine learningprogression-free survival
栏目名称
DOI
10.12015/issn.1674-8034.2025.02.003
发布时间
2025-03-17（万方平台首次上网日期，不代表论文的发表时间）
- 浏览18
- 被引1
- 下载19
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
