Resumen

El objetivo del estudio era investigar el reconocimiento inteligente de radiómica basado en la red neuronal convolucional (CNN) en la predicción del cáncer de endometrio (CE). En este estudio, se seleccionaron 158 pacientes con CE en el hospital como objetos de investigación y se dividieron en un grupo de entrenamiento y un grupo de prueba. A todas las pacientes se les realizó una resonancia magnética (RM) antes de la cirugía. Sobre la base de la CNN, se construyó el modelo de imagen de predicción de EC según las características. Además, se estableció el modelo de predicción integral a través de la información clínica y los parámetros de imagen. Los resultados mostraron que el área bajo la curva característica de trabajo (AUC) del modelo radiómico y del modelo de predicción integral fue de 0,897 y 0,913 en el grupo de entrenamiento, respectivamente. Además, el AUC del modelo radiómico fue de 0,889 en el grupo de prueba y el del modelo de predicción integral fue de 0,897. El modelo de predicción integral se estableció mediante parámetros de imagen específicos e información clínico-patológica, y su rendimiento predictivo fue bueno, lo que indica que los parámetros radiómicos podrían aplicarse como marcadores no invasivos para predecir la EC.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:modelo de predicción integral, EC, modelo radiómico, grupo de prueba, grupo de entrenamiento, información clínica patológica, red neuronal convolucional, resonancia magnética, parámetros específicos de imagen, AUC
• Keywords:comprehensive prediction model, EC, radiomics model, test group, training group, clinical pathological information, convolutional neural network, magnetic resonance imaging, specific imaging parameters, AUC