客观的
世卫组织I级和II级脑膜瘤的预测和手术规划需要基于影像学证据和其他因素做出深思熟虑的决策。虽然传统的统计模型(如逻辑回归)是有用的,但机器学习(ML)算法通常更具预测性,具有更高的辨别能力,并且可以从新数据中学习。作者使用传统的统计模型和一系列ML算法,基于放射科医生解释的术前MRI结果来预测非典型性脑膜瘤。本研究的目的是比较ML算法与标准统计方法在预测脑膜瘤分级时的性能。开云体育世界杯赔率
开云体育世界杯赔率
队列包括1998年至2010年间术前MRI检查的18-65岁WHO级脑膜瘤(n = 94)和II级脑膜瘤(n = 34)患者。一名经委员会认证的神经放射学家,对组织学分级不知情,对所有MR图像进行肿瘤体积、瘤周水肿程度、是否存在坏死、肿瘤位置、是否存在引流静脉和患者性别的解释。作者训练并验证了几个二进制分类器:k-最近邻模型、支持向量机、naïve贝叶斯分类器、人工神经网络以及逻辑回归模型来预测肿瘤分级。曲线-接收器工作特征曲线下的面积用于模型类之间和模型类内部的比较。所有分析均在MATLAB中使用MacBook Pro进行。
结果
作者将肿瘤体积、瘤周水肿程度、有无坏死、肿瘤位置、患者性别、有无引流静脉等6个术前影像学和人口学变量纳入模型构建。人工神经网络在真阳性与假阳性(受试者工作特征)空间(曲线下面积= 0.8895)上优于所有其他ML模型。
结论
ML算法是一种强大的计算工具,可以非常准确地预测脑膜瘤的分级。