A 3D deep learning model based on MRI for predicting lymphovascular invasion in rectal cancer

结直肠癌 淋巴血管侵犯 癌症 磁共振成像 医学 放射科 医学影像学 医学物理学 人工智能 计算机科学 内科学 转移
作者
T. Wang,Chuan‐Yu Chen,Chang Liu,Shaopeng Li,Peng Wang,Dawei Yin,Ying Liu
出处
期刊:Medical Physics [Wiley]
卷期号:52 (7): e17882-e17882 被引量:1
标识
DOI:10.1002/mp.17882
摘要

The study developed a deep learning model, namely 3D GPTV10, utilizing preoperative MRI data to accurately predict the presence of LVI in rectal cancer patients. By training on the tumor itself and its surrounding margin 10 pixels as the region of interest, this model achieved superior performance compared to other deep learning models. These findings have significant implications for clinicians in formulating personalized treatment plans for rectal cancer patients.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
新手完成签到 ,获得积分10
2秒前
虞无声完成签到,获得积分10
6秒前
夏梓硕完成签到,获得积分10
12秒前
无限安荷完成签到,获得积分10
19秒前
wmz完成签到 ,获得积分10
21秒前
liujunhong完成签到,获得积分10
37秒前
369ninja发布了新的文献求助10
37秒前
Kao应助微笑的剑愁采纳,获得10
45秒前
一个爱打乒乓球的彪完成签到 ,获得积分10
47秒前
STEMOS完成签到 ,获得积分10
58秒前
繁星背后完成签到 ,获得积分10
1分钟前
孜孜不倦完成签到,获得积分10
1分钟前
XuNan完成签到,获得积分10
1分钟前
fan完成签到 ,获得积分10
1分钟前
彭于晏应助haha采纳,获得10
1分钟前
工藤应助科研通管家采纳,获得20
1分钟前
南攻完成签到,获得积分10
1分钟前
小马甲应助科研通管家采纳,获得30
1分钟前
工藤应助科研通管家采纳,获得10
1分钟前
东方天奇完成签到 ,获得积分10
1分钟前
1分钟前
如意丸子完成签到 ,获得积分10
1分钟前
xdc完成签到,获得积分20
1分钟前
haha发布了新的文献求助10
1分钟前
如意丸子关注了科研通微信公众号
1分钟前
Hao完成签到,获得积分10
1分钟前
1分钟前
369ninja发布了新的文献求助10
1分钟前
丘比特应助古炮采纳,获得10
1分钟前
haha完成签到,获得积分10
1分钟前
1分钟前
1分钟前
Benjamin发布了新的文献求助10
1分钟前
1分钟前
荣幸完成签到 ,获得积分10
1分钟前
子衿完成签到 ,获得积分10
1分钟前
牛仔完成签到 ,获得积分10
2分钟前
一个科研人完成签到,获得积分10
2分钟前
Benjamin完成签到,获得积分10
2分钟前
淡淡的白羊完成签到 ,获得积分10
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Cronologia da história de Macau 5000
Petrology and Plate Tectonics 800
Electrode Potentials 550
Matrix Methods in Data Mining and Pattern Recognition 510
Trees of tropical Asia : an illustrated guide to diversity 500
Materials Informatics Molecules, Crystals and Beyond A volume in Acta Materialia Book Series 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7043117
求助须知:如何正确求助?哪些是违规求助? 8709828
关于积分的说明 18444692
捐赠科研通 6554787
什么是DOI,文献DOI怎么找? 3117411
关于科研通互助平台的介绍 2201727
邀请新用户注册赠送积分活动 2092846