Radiomics approach for preoperative identification of stages I−II and III−IV of esophageal cancer

本文介绍了通过放射组学和机器学习方法对食管癌进行术前分期的研究。研究使用CT影像进行预处理、特征提取和选择,最终通过特定的Rad-score公式对食管癌阶段进行分类,展示了这种方法在非侵入性和定量评估方面的潜力,有助于指导个体化治疗决策。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

1:INTRODUCTION

2:MATERIALS

3:METHODS

4:RESULTS

5:CONCLUSIONS

6:DISSCUSIONS


1:INTRODUCTION

食管癌:食管癌是常见的消化道肿瘤,全世界每年约有30万人死于食管癌。其发病率和死亡率各国差异很大。我国是世界上食管癌高发地区之一,每年平均病死约15万人。男多于女,发病年龄多在40岁以上。同时,不同分期的术后存活率相差很大。初期术后五年存活率为80%,而晚期术后五年存活率仅为5-8%。同时不同分期的食管癌的治疗方案也不同,因此对食管癌分期进行准确的预测至关重要。相对于传统手术对肿瘤进行分期,使用影想进行分期时廉价的、无痛的,今天介绍一种使用发射组学与机器学习结合的方式对食管癌术前分期的方法。

2:MATERIALS

数据来源:广东省人民医院以及广东省医学科学院在2008到2016年就诊的食管癌患者,一共有211例患者参与到这项研究中,其中有57例患者被排除,也就是这57位患者不满足试验要求。其中27人的临床资料不完整,其中有2人病理诊断为非食管癌,3人不能确定等级,还有25人术前没有进行Ct扫描。

下表是临床病理信息的统计表。

P-value值是推断统计中的一项重要内容,是用于判断原始假设是否正确的重要证据。其中计算p值的方式,当数值是连续的时候,比如:年龄、肿瘤体积我们用Mann-Whitney U

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值