文章预览
文章题目：Machine learning-based radiomics for predicting outcomes in cervical cancer patients undergoing concurrent chemoradiotherapy 发表期刊：Computers in Biology and Medicine 发表时间：2024年7月 文章摘要 目的： 探讨基于机器学习的影像组学在预测局部晚期宫颈癌 （LACC） 患者同时放化疗 （CCRT） 患者的无病生存期 （DFS） 和总生存期 （OS） 方面的价值。 材料和方法： 在这项多中心研究中，回顾性分析了 700 例接受 CCRT 并持续随访的 IB2-IVA 宫颈癌患者。收集 T2WI 序列中原发病灶及其周围 5 mm 区域的三维影像组学特征。使用 6 种机器学习方法构建最佳影像组学模型，以准确预测 LACC 患者 CCRT 后的 DFS 和 OS。最终，使用 TCGA 和 GEO 数据库探索影像组学预测宫颈癌进展和生存的机制。本研究坚持 CLEAR 进行报告，并使用 RQS 和 METRICS 评估其质量。 结果： 在 DFS 的预测中，结合肿瘤
………………………………
