International Journal of Surgery:基于Transformer的深度学习模型用于喉鳞状细胞癌淋巴血管侵犯的术前预测
时间:2026-05-05 17:10:42 热度:37.1℃ 作者:网络
深度解析医学证据,DeepEvidence为你支撑决策 喉鳞状细胞癌是第二常见的头颈部恶性肿瘤,晚期患者五年生存率仍不理想。淋巴血管侵犯作为肿瘤细胞侵入淋巴管或血管的病理标志,是预测转移扩散和治疗失败的关键指标。然而,目前的金标准评估依赖于术后组织病理学检查,无法在术前为个体化治疗决策提供依据。传统影像学手段如CT和MRI对于检测微小血管侵犯的敏感性有限,因此,开发一种能够在术前无创预测淋巴血管侵犯的工具,对于优化风险分层和制定个体化治疗方案具有重要的临床意义。 为填补这一空白,本研究开展了一项大规模、多中心回顾性诊断研究,纳入了来自三家三级医疗中心的1024例经病理确诊并接受根治性手术的喉鳞状细胞癌患者。所有患者在术前两周内均接受了头颈部增强CT扫描。研究者将来自中心一的417例患者按7:3比例随机分为内部训练集(291例)和内部验证集(126例),并将来自中心2和中心3的患者分别作为两个独立的外部测试集(437例和170例)。在图像标准化预处理后,由两名放射科专家在CT图像上逐层勾画肿瘤的感兴趣区,随后从中提取了1836个传统放射组学特征。同时,为捕捉更全面的三维空间信息,研究者构
小提示:本篇资讯需要登录阅读,点击跳转登录

