APP下载

基于增强CT构建鉴别肾透明细胞癌ISUP分级的神经网络模型

2021-02-05韩冬张喜荣贾永军任革吕蕊花史琳娜贺太平

肿瘤防治研究 2021年1期
关键词:特征评价模型

韩冬 ,张喜荣,贾永军,任革,吕蕊花,史琳娜,贺太平

0 引言

肾细胞癌(renal cell carcinoma,RCC)是成人肾脏最常见的恶性肿瘤。在组织学方面,高级别RCC预后更差[1]。NCCN2018也指出组织分级是RCC患者5年生存率的预后决定因素之一。因此,组织分级对于RCC患者预后评价和治疗方法选择有重要意义。2016年国际泌尿病理协会(ISUP)发布了新的ISUP分级系统用于评价RCC[2]。已有文献报道ISUP分级系统与患者的预后相关[3]。RCC中以肾透明细胞癌(clear cell RCC,ccRCC)最常见,相对其他亚型ccRCC有更差的预后[4]。增强CT是肾肿瘤早期发现及诊断的最常用影像学方法[5],一些CT特征可反映肿瘤的生物学行为,不同级别的ccRCC出现不同的影像特征。神经网络作为非参数化建模的代表,具较强的非线性映射及泛化能力,近年来在医学影像领域表现出巨大潜力。故本研究拟利用神经网络算法及增强CT构建术前预测ccRCC ISUP分级模型,为评价患者的预后提供参考依据。

1 资料与方法

1.1 患者资料

本回顾性研究放弃患者知情同意,遵守2013年修订版《赫尔辛基宣言》。收集陕西中医药大学附属医院2014年3月—2019年12月的ccRCC患者。纳入标准:(1)包括中腹部的增强CT扫描完整数据;(2)经手术或穿刺活检病理确诊的ccRCC;(3)临床资料齐全。排除标准:(1)图像质量差、图像分析受影响;(2)CT增强扫描前接受过针对肾癌的治疗。最后共纳入131名患者,其中女性45例、男性86例,平均年龄61.63±11.56岁。采用分层抽样按照5:5比例并随机将患者分为训练集和验证集。

1.2 ccRCC ISUP级别的确定

每位ccRCC患者的组织切片经两名有经验的病理科医师根据2016版肾癌ISUP病理分级重新分级。……

登录APP查看全文

猜你喜欢

特征评价模型
一半模型
SBR改性沥青的稳定性评价
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
基于Moodle的学习评价
线性代数的应用特征
保加利亚转轨20年评价
多维度巧设听课评价表 促进听评课的务实有效