Cancers (Basel)：显著性前列腺癌的MRI自动化分类
2020-07-01 AlexYang MedSci原创
基于MRI的使用放射组学或者深度学习的方法来对显著前列腺癌（sPCa）进行分类得到了广泛的关注，因其在协助临床决策过程中有着潜在的应用。
基于MRI的使用放射组学或者深度学习的方法来对显著前列腺癌（sPCa）进行分类得到了广泛的关注，因其在协助临床决策过程中有着潜在的应用。
最近，有研究人员对文献进行了搜索来确定哪一种算法在sPCa分类中最常使用；是否表现和方法以及使用的MRI序列存在关系；评估影响sPCa分类表现因素的研究；研究了在临床背景下，是否对表现进行了评估。研究搜索了2846个相关的出版物，其中的27个包括在研究中。其中文献中最常用的算法为逻辑回归（22%）和卷积神经网络（CNNs）（22%）。AUC均值为0.79（四分位范围：0.77-0.87）。其中包括的患者数量、成像序列或者参照标准对报告的表现没有明显的影响。另外，有3个研究描述了外部验证情况，但没有研究在一个前瞻性的临床试验中对其进行验证。
最后，研究人员指出，为了释放机器和深度学习方法的应用潜力，未来应该进行验证研究和临床前瞻性研究来建立一个方法来评估对决策的价值。
原始出处：
Jose M Castillo T ， Muhammad Arif ， Wiro J Niessen et al. Automated Classification of Significant Prostate Cancer on MRI： A Systematic Review on the Performance of Machine Learning Applications. Cancers (Basel). 17 June 2020
本网站所有内容来源注明为“梅斯医学”或“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为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或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
#ERS#
31
#自动化#
62
前列腺癌相关研究，学习了，谢谢梅斯
45