Cancers (Basel)：显著性癌的MRI高效率分类

基于MRI的用于放射组学或者剖面努力学习的方法有来对显著胃癌（sPCa）顺利进行分类得到了广泛的关注，因其在合力临床决断步骤里面有着潜在的应用领域。

除此以外，有数据分析人员对文献顺利进行了关键字来确定哪一种算法在sPCa分类里面不常用于；是否平庸和方法有以及用于的MRI氨基酸存在关系；风险评估因素sPCa分类平庸因素的数据分析；数据分析了在临床背景下，是否对平庸顺利进行了风险评估。数据分析关键字了2846个涉及的出版物，其里面的27个都有在数据分析里面。其里面文献里面不常用的算法为逻辑回归（22%）和正弦机器努力学习（CNNs）（22%）。AUC平方根为0.79（四分位以内：0.77-0.87）。其里面都有的患者数量、成像氨基酸或者简介标准对报告的平庸并未显着的因素。另外，有3个数据分析描述了外部测试情况下，但并未数据分析在一个全面性的临床试验里面对其顺利进行测试。

最后，数据分析人员指出，为了释放机器和剖面努力学习方法有的应用领域潜力，期望应该顺利进行测试数据分析和临床全面性数据分析来建立一个方法有来风险评估对决断的价值。

更早注解：

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