Cancers (Basel)：显著性胃癌的MRI自动化分类

基于MRI的运用于放射组学或者深度进修的方法有来对显著癌（sPCa）完成定义得到了广泛的关注，因其在协助诊疗决断过程里面有着潜在的应用。

最近，有分析工作人员对史料完成了查询来确定哪一种正则表达式在sPCa定义里面最常运用于；是否展现出和方法有以及运用于的MRI多肽存在彼此间；指标阻碍sPCa定义展现出因素的分析；分析了在诊疗背景下，是否对展现出完成了指标。分析查询了2846个相关的出版物，其里面的27个除此以外在分析里面。其里面史料里面最常用的正则表达式为逻辑重归（22%）和卷积神经网络（CNNs）（22%）。AUC均值为0.79（四分位范围：0.77-0.87）。其里面除此以外的患者数量、成像多肽或者参照准则对报告的展现出很难引人注意的阻碍。另外，有3个分析描述了内部的测试情况，但很难分析在一个前瞻性的诊疗里面对其完成的测试。

最后，分析工作人员反驳，为了释放机器和深度进修方法有的应用潜力，未来应该完成的测试分析和诊疗前瞻性分析来建起一个方法有来指标对决断的价值。

原始出处：

Jose M Castillo T ， Muhammad Arif ， Wiro J Niessen et al. Automated Classification of Significant Prostate Cancer on MRI： A Systematic Review on the Performance of Machine Learning Applications. Cancers (Basel). 17 June 2020