Оценка возможностей радиомики в определении степени дифференцировки гепатоцеллюлярного рака на КТ-изображениях

Аннотация:

Цель. Оценить эффективность и целесообразность применения методов машинного обучения в радиомике на примере компьютерных томограмм гепатоцеллюлярного рака. Материал и методы. B исследование включили 42 пациента с патоморфологически подтвержденным гепатоцеллюлярным раком. Bce пациенты прошли хирургическое лечение или получили консультации специалистов в период с января 2013 г. по декабрь 2022 г. Методом машинного обучения анализировали данные текстурного анализа предоперационных компьютерных томограмм. Результаты. При сравнении результатов модель AdaBoost продемонстрировала лучшие результаты в определении степени дифференцировки гепатоцеллюлярного рака Grade 3 по сравнению со стандартным статистическим анализом. Чувствительность была больше на 15,4%, специфичность — на 3,1%, диагностическая точность — на 15,31%. Заключение. Применение машинного обучения в радиомике является многообещающим методом неинвазивной оценки степени гистологической дифференцировки гепатоцеллюлярного рака. Полученные данные могут быть использованы для решения ряда клинических и научных задач.

Авторы:

Издание: Анналы хирургической гепатологии
Год издания: 2025
Объем: 8с.
Дополнительная информация: 2025.-N 4.-С.44-51. Библ. 17 назв.
Просмотров: 1