XiaoMi-AI文件搜索系统
World File Search SystemcsPCa
定量MRI生物标志物用于临床上显着前列腺癌的分类：回波时间可重复性的校准
背景：限制频谱成像限制评分（RSIRS）是用于检测临床上显着前列腺癌（CSPCA）的定量生物标志物。但是，RSIR的定量值受到诸如Echo Time（TE）之类的成像参数的影响。目的：本研究的目的是开发一种校准方法来说明回声时间的差异，并促进将RSIR用作检测CSPCA的定量生物标志物。方法：这项研究包括197个经过MRI和活检检查的连续患者； 97被诊断为CSPCA（年级≥2）。rsi数据是三次获取的：在最小TE 〜75ms，一次在TE = 90ms（分别为Temin 1，Temin 2和TE90）时进行两次。对无CSPCA的患者进行了培训的一种拟议的校准方法，估计了RSI信号模型的四个扩散室（C）中的每个扩散室中的每个缩放系数（F）。确定了一个线性回归模型，将TE90的C映射与Temin 1的参考c映射匹配，范围为95 th thth
“用于临床上分类的定量MRI生物标志物...
摘要目的：本研究的目的是开发一种校准方法来说明回声时间（TE）的差异，并促进限制频谱成像限制评分（RSIR）作为定量生物标志物，以检测临床上有明显的前列腺癌（CSPCA）。方法：这项研究包括197例接受MRI和活检检查的连续患者； 97例被诊断为CSPCA（级≥2级）。在同一课程中获得了3次RSI数据：在TE = 90 ms时至少两次，TE = 90 ms（分别为Temin 1，Temin 1，Temin 1，Temin 2和Te90）。确定了线性回归模型，将TE90的C映射与Temin 1的参考c映射匹配，范围从前列腺内信号强度的95％到99个百分位。在每个患者的前列腺中，在每个患者的第98个百分位数中进行了比较。我们将校准的TE90（RSIR TE90CORR）和未校正的TE90（RSIRS TE90）与参考Temin 1（RSIRS TEMIN1）和重复的Temin 2（RSIRS TEMIN2（RSIRS TEMIN2）进行了比较。对敏感性，指定城市和区域评估了（crece）（cret）（cret）（cret）（cret）（RSIRB）2（RSIRS TEMIN1）（RSIRS TEMIN1）。结果：C 1，C 2，C 3和C 4的缩放因子分别为1.68、1.33、1.02和1.13。在非CSPCA情况下，RSIRS TEMIN2和RSIRS的第98个百分点temin1差异为0.27±0.86Si（平均值±标准偏差），而RSIRS TE90与RSIRS TE90不同于RSIRS TEMIN1 TEMIN1 temin1 temin1 vemin1差异1.82±1.20si。校准后，该偏置降低至-0.51±1.21SI，代表绝对误差的72％降低。校准后，平均差减少到-1.03SI，绝对误差降低了55％。对于CSPCA患者，RSIRS TEMIN2和RSIRS TEMIN1和RSIRS TE90和RSIRS TEMIN1之间的RSIRS temin2和RSIRS temin1和2.28±2.06Si之间的差异为0.54±1.98SI。在CSPCA（8.94SI）患者级分类的YouDen指数上，RSIRS TEMIN1的灵敏度为66％，特定率为72％。结论：所提出的线性校准方法对具有不同TE的采集产生相似的定量生物标志物值，分别为非CSPCA和CSPCA降低了TE诱导的误差72％和55％。
iQuest 临床验证工作 - Avenda Health
Avenda Health 的 iQuest 软件是一种基于人工智能 (AI) 的决策支持工具，可与医学成像和活检数据结合使用来规划前列腺癌干预措施。iQuest 通过帮助用户分割 MRI 图像特征、以 3D 形式可视化癌症风险以及选择治疗部位来支持前列腺肿瘤学工作流程。迄今为止，各种临床数据回顾性研究已用于验证 iQuest 功能，包括多份同行评审的摘要和几份正在准备中的手稿。这些验证工作总结如下。AI 前列腺分割算法 (AIPSA) Avenda Health 开发了一种基于 MRI 图像自动分割前列腺的 AI 算法，并在 137 个多机构测试案例上验证了该算法。该算法在广泛的前列腺体积、扫描仪型号和图像分辨率中均表现出色，平均骰子相似系数为 0.93。此外，在与竞争产品（In Vivo DynaCAD）的前列腺分割功能进行头对头比较时，Avenda 算法表现最佳，骰子相似度（0.93 vs 0.86）和相对体积误差（4.9% vs 15.2%）均有显著改善。AI 病变轮廓算法 Avenda Health 开发了一种 AI 算法，帮助用户定义病变轮廓，以便在前列腺干预（如靶向治疗）期间使用。该算法的核心特征是癌症估计图（CEM），即整个前列腺估计的临床显著癌症（csPCa）风险的 3D 图。CEM 是使用多机构融合活检数据开发的，并在 100 例多机构前列腺切除术病例中进行了验证 [1]。事实证明，CEM 在预测 csPCa 方面非常有效，平均 AUC 为 0.92，平衡准确度为 85%。此外，使用来自外部人群的 50 例前列腺切除术病例，从 CEM 得出的默认病变轮廓优于传统规划 [1]。Avenda 病变轮廓具有更高的 csPCa 敏感性和更高的指数肿瘤包封率（分别为 97% 和 90%），高于放射科医生定义的原始目标（37%，0%）、半腺边缘（94%，66%）和 1 厘米均匀边缘（93%，82%）。在同一项研究中，iQuest 的包封置信度评分功能能够准确预测 csPCa 包封率，R 2 值为 0.98，中位误差仅为 4%。Avenda LCA 验证工作已在 5 篇同行评审和获奖摘要中发表 [2-6]，手稿正在准备提交期刊 [1]。病变轮廓勾画的医生研究除了内部研究确认用户与 iQuest 整体交互的准确性和有效性之外，还通过多读者（N = 10）多病例（N = 50）研究使用根治性直肠切除术标本作为基本事实来评估病变轮廓勾画任务[7-10]。使用 iQuest 的读者（医生）绘制的病变轮廓比手动定义的轮廓识别出更多的 csPCa（97% vs 38%），同时比半腺轮廓保留了更多的良性组织（72% vs 53%）。iQuest 轮廓的平衡准确度明显高于两种比较方法，阅读时间减少了 40%。手稿正在准备提交给期刊 [9]。
非裔美国人和白人前列腺癌的定量MRI种族差异
摘要前列腺癌（PCA）的风险受种族和种族的强烈影响。这项研究的目的是研究非裔美国人（AA）和白人（W）男性中多参数MRI（MPMRI）诊断性能的差异。从研究年龄，前列腺特异性抗原和前列腺量的研究中，从研究初始同类中选择了111例患者（37名AA和74 W男性）。使用检测率（DRS）和正预测值（PPV）评估MPMRI的诊断性能，而没有前列腺区域分层的K trans（体积转移常数）为AA和W子霍群岛分层。在AA和W sub-ohort中，临床显着的PCA（CSPCA）病变的MPMRI DR≥3为67.3％。在过渡区（TZ; P = 0.026）和81.2％的80.3％。在外围区域中的76.1％（PZ; P> 0.9）。 AA男性中CSPCA的K反式显着高于W男性（0.23±0.08 min -1 -1 vs. 0.19±0.07 min -1 -1; p = 0.022）。 这强调，MPMRI的性能和定量MRI度量在年龄，PSA和前列腺体积中没有反映的定量MRI度量存在差异。在外围区域中的76.1％（PZ; P> 0.9）。AA男性中CSPCA的K反式显着高于W男性（0.23±0.08 min -1 -1 vs. 0.19±0.07 min -1 -1; p = 0.022）。这强调，MPMRI的性能和定量MRI度量在年龄，PSA和前列腺体积中没有反映的定量MRI度量存在差异。