Cancers (Basel)：显著性癌的MRI自动化归入

基于MRI的适用放射组学或者深度深造的方法来对突出癌（sPCa）完成分类法得到了相当多的关切，因其在协助临床权衡过程当中有着潜在的分析方法。

最近，有分析执法人员对典籍完成了侦查来已确定哪一种迭代在sPCa分类法当中常常适用；究竟展现和方法以及适用的MRI核苷酸依赖于联系；检验负面影响sPCa分类法展现因素的分析；分析了在临床背景下，究竟对展现完成了检验。分析侦查了2846个相关的出版物，其当中的27个包含在分析当中。其当中典籍当中常常用的迭代为逻辑上回归（22%）和卷积神经网络（CNNs）（22%）。AUC自变量为0.79（四分位全域：0.77-0.87）。其当中包含的患者需求量、扫描核苷酸或者参照标准对份文件的展现没有人明显的负面影响。另外，有3个分析描述了外部解析持续性，但没有人分析在一个必要性的临床试验当中对其完成解析。

最后，分析执法人员指出，为了释放机器和深度深造方法的分析方法潜力，未来应该完成解析分析和临床必要性分析来建立一个方法来检验对权衡的效益。

早期出处：

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