Cancers (Basel)：显著性胰脏的MRI自动化分类

基于MRI的使用等离子组学或者剖面研读的步骤来对显著癌（sPCa）进行归纳受益了广泛的关心，因其在协助医学协调过程之中展现出潜在的广泛应用。

已经有，有研究课题人员对古书进行了查询来已确定哪一种线性在sPCa归纳之中最常使用；前提展示出和步骤以及使用的MRI序列存在关系；分析直接影响sPCa归纳展示出状况的研究课题；研究课题了在医学背景下，前提对展示出进行了分析。研究课题查询了2846个相关的出版物，其之中的27个包括在研究课题之中。其之中古书之中最常用的线性为逻辑上回归（22%）和DFT数据分析（CNNs）（22%）。AUC均值为0.79（四分位范围：0.77-0.87）。其之中包括的病变总数、成像序列或者参照标准化对报告的展示出从未明显的直接影响。另外，有3个研究课题详细描述了结构性正确性情况，但从未研究课题在一个批判性的医学试验之中对其进行正确性。

最后，研究课题人员反驳，为了无罪释放机器和剖面研读步骤的广泛应用吸引力，未来应该进行正确性研究课题和医学批判性研究课题来成立一个步骤来分析对协调的商业价值。

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