机构名称：
¥ 1.0
文献中已经报道了用于胶质瘤自动分割的机器学习算法（MLA）的抽象目标。对不同肿瘤特征的自动分割可能会增加诊断检查和治疗计划的价值。这项研究的目的是提供不同MLA方法的概述和荟萃分析。方法对描述神经胶质瘤分割的合格研究进行了系统的文献综述和荟萃分析。对性能的荟萃分析是对两个汇总结果的骰子相似性系数（DSC）得分进行的，即两个亚组（即高级和低级神经胶质瘤）。这项研究在开始之前在Prospero注册（CRD42020191033）。文献搜索后的结果（n = 734），系统文献综述中包括42项研究。十项研究有资格纳入荟萃分析。总体而言，来自纳入研究的MLA的总体DSC得分为0.84（95％CI：0.82 - 0.86）。此外，分别观察到高级和低级神经胶质瘤的自动胶质瘤分割的DSC得分为0.83（95％CI：0.80 - 0.87）和0.82（95％CI：0.78 - 0.87）。但是，在纳入的研究之间，异质性高得多，并且观察到出版偏见。结论MLA促进神经胶质瘤的自动分割表现出良好的准确性，这对于未来神经放射学方面非常有希望。但是，在实际实施之前，尚未克服一些障碍。在报告MLA时遵循质量准则至关重要，其中包括对外部测试集的验证。关键点•来自纳入研究的MLA的总体DSC得分为0.84（95％CI：0.82 - 0.86），表明表现良好。•在比较高级神经胶质瘤和低级神经胶质瘤的分割结果时，MLA性能是可比的。•对于使用MLA的将来的研究，至关重要的是，在报告MLA时遵循质量指南，其中包括对外部测试集的验证。
系统的文献综述和荟萃分析
主要关键词
相关文件推荐
