原題
A stacking ensemble framework integrating radiomics and deep learning for prognostic prediction in head and neck cancer.
背景:ラジオミクスモデルはしばしば再現可能性とロバスト性に苦労する。本研究では、頭頚部癌の予後予測を強化するために、スタッキングアンサンブル学習を用いたマルチモーダル、マルチモデル融合フレームワークを提示する。
方法:9施設の806例のデータを用い、143例を外部検証に用いた。ラジオミクスの特徴を抽出し、3D DenseNet-121モデルを通して深層学習の特徴を得た。Cox、SVM、RSF、DeepCox、およびDeepSurvを含むモデルは、スタッキング融合戦略を用いて開発され、カプランマイヤーおよび時間依存ROC曲線を介して性能が評価された。
結果:ラジオミクスとディープラーニング機能を組み合わせた融合モデルは、0.9345という最高のC指数を達成し、単一モダリティモデルを上回った。
結論:スタッキングアンサンブルモデルは、予後予測の頑健性を有意に高める。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-025-02695-8
PMID: 40804402
コメント