治疗前 CT 放射组学预测化疗-免疫治疗经治小细胞肺癌的生存_第1页
治疗前 CT 放射组学预测化疗-免疫治疗经治小细胞肺癌的生存_第2页
治疗前 CT 放射组学预测化疗-免疫治疗经治小细胞肺癌的生存_第3页
治疗前 CT 放射组学预测化疗-免疫治疗经治小细胞肺癌的生存_第4页
治疗前 CT 放射组学预测化疗-免疫治疗经治小细胞肺癌的生存_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1544P-治疗前CT放射组学预测化疗-免疫治疗经治小细胞肺癌的生存1544P-Pre-treatmentCTradiomicspredictssurvivalinchemo-immunotherapy-treatedsmallcelllungcancerJ.Bae,P.Prasanna,S.M.GadgeelJ.Bae,etal.ESMO2022，1544P.研究方法J.Bae,etal.ESMO2022，1544P.患者特征数值中位随访时间343天中位年龄67（范围=46-85）种族白人24，黑人7性别女性18，男性13初诊即肝转移9名患者表格1：研究患者临床特征N=31患者经阿替利珠单抗、卡铂和依托泊苷治疗治疗前以隆突为中心5层CT平扫使用随机森林（RF）进行生存死亡二分类基线模型使用临床变量（表1）使用Cox和KM曲线进行生存分析通过RF二进制生存率分析定义高和低风险生存组1.3D图像导出2.ROI识别3.提取放射组学特性4.分类器训练的机器学习5.死亡分类和生存分析J.Bae,etal.ESMO2022，1544P.生存患者死亡患者图表1：Haralick差异方差（HDV）表达HDV测量图像内纹理的异质性，用于分类及生存分析根据临床和放射组学特征的生存分类结果J.Bae,etal.ESMO2022，1544P.图表2：KaplanMeier生存曲线患者通过HDV表达分为高和低风险组，通过log-rank检验显著性。灵敏度特异度AUCC-指数临床特征0.810.300.560.64放射特征0.760.700.770.70表格2：生存分类结果临床特征模型放射组学特征模型生存可能生存可能时间（天）时间（天）研究结论和未来方向J.Bae,etal.ESMO2022，1544P.探索结合临床和影像特征是否可以更好地预测预后；需要更大样本量进一步明确SCLC患者的放射组学特征和生存率之间的关系。未来方向讨论和结论治疗前放射组学特征能预测SCLC患者的死亡风险；基于放射组学特征的RF分类

人人文库> 全部分类> 应用文书 > 事务文书

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论