מאמר מחקר

פיתוח נומוגרמה רדיואומית מותאמת אישית מבוססת CT להבדלה טרום-ניתוחית בין גידולים סטרומליים קיבתיים לליומיומות קיבתיות

DOI:

10.3791/69527

⸱

3 בפברואר 2026

 ,  ,  , 
1Department of Radiology, Shuguang Hospital Affiliated to Shanghai University of Traditional Chinese Medicine, 2Department of Radiology, Fudan University Shanghai Cancer Center

במאמר זה

סיכום

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

פותחה נומוגרפיה רדיואומית מבוססת CT להבחנה מדויקת בין גידולי סטרומל קיבתיים לליומיומות קיבה, ומאפשרת אבחון לא פולשני ומותאם אישית לפני הניתוח עם ביצועים חיזויים גבוהים.

תקציר

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

פרוטוקול זה מתאר את הפיתוח והאימות של נומוגרפיה רדיולוגית מבוססת CT (CT) עבור הבדלה לא פולשנית טרום-ניתוחית של גידולי סטרומל קיבה (GISTs) וליאומיומות קיבה (GLMs), שני נגעים תת-ריריים קיבתיים עם אסטרטגיות טיפוליות שונות והשלכות פרוגנוסטיות. קבוצה רטרוספקטיבית של 172 מטופלים עם GIST או GLM מאומתים פתולוגית, שעברו CT משופר בניגוד בתוך 30 יום לפני ניתוח הניתוח. המטופלים חולקו באקראי לקוהורט אימון (n = 120) ולקוהורט אימות (n = 52). משתנים דמוגרפיים, מאפיינים מורפולוגיים של CT ותכונות רדיומיות כמותיות שהופקו מאזורים מעניינים שהוגדרו ידנית הוערכו באופן שיטתי. בחירת התכונות בוצעה באמצעות רגרסיה של התכווצות ובחירה מוחלטת (LASSO) עם אימות צולב. המודל החיזוי הסופי כלל גיל, מיקום הגידול, דפוס ההגברה ואת NGLDM_Busyness התכונה הרדיומית, המשקפת הטרוגניות של מרקם תוך-גידולי. משתנים אלו שולבו לבניית נומוגרמה מותאמת אישית לשימוש קליני. ביצועי המודל הוערכו באמצעות ניתוח מאפייני הפעלה של מקלט, עקומות כיול וניתוח עקומות החלטה. הנומוגרמה הראתה יכולת הבחנה חזקה, כיול טוב ותועלת קלינית חיובית הן בקבוצות ההכשרה והן בקבוצות האימות, מה שתומך בערכה הפוטנציאלי ככלי לא פולשני לאבחון אישי לפני הניתוח.

מבוא

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

גידולי סטרומל קיבתיים (GIST), שהם הגידולים התת-ריריים (SMTs) הנפוצים ביותר, נוטים להיחשב כממאירים פוטנציאלית ללא קשר לגודלם, כאשר אלו שמציגים קורס קליני ממאירי מהווים כ-10% עד 30% מהמקרים 1,2. לפי סיווג הקונצנזוס של NIH3, הסיכון הקליני לממאירות ב-GIST עולה בהדרגה בין השכבות: סיכון נמוך מאוד, נמוך, בינוני וגבוה, המוגדרים לפי גודל הגידול וספירת המיטוזה. מומלץ לאבחון מוקדם וכריתה כירורגית מוקדמת למטופלים עם GISTs4. לעומת זאת, כניאופלזמה שפירה עם סבירות נדירה להתפשטות וככל הנראה הגידולים המיוגניים השכיחים ביותר ב-SMTs קיבהיים, ליאומיומות קיבה (GLMs) דורשות השגחה שמרנית או טיפולים זעיר-פולשניים במקום ניתוח, למעט במקרים שבהם הנגעים גדולים מ-5 ס"מ 5,6. לכן, חשוב מאוד להבחין בין GISTs ל-GLMs קטנים מ-5 ס"מ, בשל ההשלכות הטיפוליות והפרוגנוסטיות השונות במהותם. הבחנה זו מאתגרת במיוחד עבור נגעים קטנים, שכן לעיתים קרובות הם חולקים תכונות הדמיה חופפות וחסרים תסמינים קליניים ברורים 7,8.

שאיבת מחט עדינה מונחית אולטרסאונד אנדוסקופי (EUS-FNA), כשיטה הבוגרת ביותר לזיהוי טרום-טיפולי ב-SMTs קיבתי, הוכחה כמספקת אבחנה פתולוגית בטוחה ומדויקת של GISTs7. למרבה הצער, היכולת של EUS-FNA לחלץ דגימות רקמה מוגבלת מאוד, מה שנראה כי מפחית את דיוק האבחנה שלו9. יתרה מזאת, הטכניקה נחשבת פולשנית. טומוגרפיה ממוחשבת נחשבת לכלי דימות אופטימלי וחסכוני לאבחון טרום-ניתוחי של גידולים במערכת העיכול10. עם זאת, ההבחנה בין GISTs ל-GLMs לפני הניתוח נותרת אתגר, בהתחשב במורכבות התסמינים הקליניים הדומים ובהופעות CT10.

רדיומיקה מייצגת כלי מבטיח עם היכולת להפיק תכונות דימות כמותיות מתמונות רדיוגרפיות באופן אוטומטי, ומאפשרת כימות אובייקטיבי של ההטרוגניות של הגידולים11. במחקרים קודמים, מודלים רדיומיקס פותחו בעיקר לצורך סטרטיפיקציה של סיכונים ב-GIST בהתבסס על CT או MRI, והדגים את הפוטנציאל שלהם בהערכת פוטנציאל ממאיר 12,13,14. עם זאת, מחקרים שהתמקדו במיוחד באבחנה שונה בין GISTs ל-GLMs נותרו נדירים יחסית. לצורך הידע הנוכחי, לא פותחה נומוגרפיה קודמת של CT מבוססת CT להבדלה טרום-ניתוחית בין GISTs ל-GLMs. לכן, מחקר זה בונה נומוגרפיה לחיזוי לפני הניתוח תוך שימוש בתכונות מורפולוגיות של תמונות CT ופרמטרי רדיומיקה כדי להתמודד עם האתגרים שהוזכרו לעיל.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מחקר זה אושר על ידי ועדת האתיקה של בית החולים (מספר פרוטוקול: 1612167-18). בהתחשב באופי הרטרוספקטיבי של המחקר, הדרישה להסכמה מדעת בוטלה. מטופלים עם גידולי סטרומל קיבה (GISTs) או ליאומיומות קיבתיות (GLMs) זוהו מרשומות מוסדיות בין ינואר 2017 ליולי 2022, כולם עם אישור פתולוגי לאחר הניתוח. החומרים והציוד בהם משתמשים מופיעים בטבלת החומרים.

1. פרטי המטופל

מטופלים זכאים נרשמים אם הם עומדים בקריטריונים הבאים: (1) נגעים בקיבה בקוטר מרבי ≤5 ס"מ; (2) זמינות אבחון פתולוגי מלא; (3) לעבור ניתוח רדיקלי עם כוונה לריפוי; ו-(4) ביצוע CT משופר בניגוד בתוך 30 יום לפני הניתוח. מטופלים עם היסטוריה של גידולים ממאירים או טיפול טרום-ניתוחי הוצאו משימוש. לכן, 110 מטופלי GIST ו-62 עם GLM נרשמו למחקר הנוכחי. הודגם תרשים זרימה של אוכלוסייה (איור 1). בסך הכל נכללו 172 מטופלים (110 GIST, 62 GLMs; 82 גברים, 90 נשים), עם ממוצע גיל 55.05 ±-12.42 שנים (טווח: 22-79). המטופלים חולקו באקראי לקבוצת אימון (n = 120) ולקבוצת אימות (n = 52) באמצעות אקראיות פשוטה ללא סטרטיפיקציה. הנתונים הדמוגרפיים הבסיסיים מסוכמים בטבלה 1.

2. ניתוח תמונות CT

סריקת CT במחקר הנוכחי בוצעה על סורקי CT עם 64 פרוסים. כל מטופל נדרש לצום לפחות 6 שעות. כ-30 דקות לפני סריקת ה-CT, כל מטופל קיבל הוראה לבלוע דרך הפה 500-800 מ"ל מים מהברז, והתבקש לקחת 1000 מ"ל מים מיד לפני הסריקה כדי להרחיב את הקיבה. כל המטופלים במחקר הונחו במצב שכיבה כדי למנוע ארטיפקטים שנגרמו על ידי אוויר בקיבה, תוך הבטחת כיסוי כל אזורי הנגע. המטופלים קיבלו הודעה על חשיפה לקרינה מייננת כחלק מההליך ההקליני. לפני מתן חומר הדין, נבדקו התוויות נגד למדיום ניגוד יודיני, כולל אלרגיה ידועה ואי ספיקת כליות (eGFR <30 מ"ל/דקה/1.73 מ"ר). המטופלים נבדקו לפחות 15 דקות לאחר ההזרקה לתגובות לוואי חריפות. נראה כי נעשה שימוש באלגוריתם שחזור סטנדרטי, ותהליך הסריקה פעל בקפדנות לפי המפרטים הבאים: מתח שפופרת 120 קילווולט; זרם צינורות של 250-300 mA; 1.5 מ"מ עובי פרוסה ומרווח. נעשה שימוש בגרעין שחזור רקמות רכות (B30f). בהמשך, במהלך תהליך הסריקה המורחב, הוזרק חומר ניגוד יודיני במינון 80-120 מ"ל, עם קצב הזרקה של 3.0 מ"ל לשנייה דרך הווריד. יש לאסוף שלבים עורקיים, פורטלים ועיכובים במהלך כ-30 שניות, 60 שניות ו-120 שניות לאחר זמן ההזרקה. לניתוח רדיומי, התמונות עובדו מראש על ידי דגימה מחדש לגודל ווקסל איזוטרופי של 1.5 × 1.5 × 1.5 מ"מ³ ודיסקרטיזציה בעוצמה באמצעות רוחב מיכל קבוע של 25 יחידות הונספילד (HU).

3. חילוץ תכונות רדיומי

לגבי תכונות רדיומיות, תוכנת LIFEx (גרסה 4.90; www.lifexsoft.org) שימשה לחילוץ תכונות מאזור העניין (ROI). כל אזורי העניין סווגו רק בתמונות CT בשלב ורידי פורטלי, שנבחרו לניתוח רדיומי כדי להבטיח עקביות ויציבות תכונות. עבור כל מטופל, ה-ROI הוגדר על כל הפרוסות המכילות את הנגע במישור הרוחבי, עם תצוגות סגיטליות וקורונליות כדי להבטיח כיסוי נפח מדויק (איור 2). ROI נמשכו באופן עצמאי על ידי שני רדיולוגים ללא הסכמה במהלך הסגמנטציה ראשונית כדי לאפשר הערכת שחזוריות. ה-ROI ייצג קונטור חד-ממדי דו-ממדי (2D), לא נפח תלת-ממדי. כל אזורי הגידול נכללו בעת הגדרת ה-ROIs, והסתיידות הוצאה על סמך ספי צפיפות בתוכנת LIFEx. בוצעה בקרת איכות ויזואלית כדי להבטיח נפיחות קיבה מספקת והכללה מלאה של הנגע בתוך ה-ROI. חושבו מקדמי קורלציה תוך-מחלקתית ובין-מחלקתית (ICCs) כדי להעריך את השחזוריות של חילוץ תכונות רדיומיות; תכונות עם ICC > 0.75 נשמרו. באמצעות האלגוריתם האוטומטי של תוכנת LIFEx, הושגו 37 תכונות רדיומיות: 5 פרמטרי היסטוגרמה, 7 פרמטרים של מטריצת הופעה משותפת ברמה אפורה (GLCM), 11 פרמטרים של מטריצת אורך ריצה ברמה אפורה (GLRLM), 3 פרמטרים של מטריצת הפרש ברמת אפור שכונתי (NGLDM), ו-11 פרמטרי מטריצת אורך אזור ברמה אפורה (GLZLM). חילוץ התכונות בוצע דרך נתיב התפריט: סגמנטציה → רדיומיקס → חישוב. עיבוד התמונה כלל דגימה מחדש לגודל ווקסל איזוטרופי של 1.5 × 1.5 × 1.5 מ"מ 3 ודיסקרטיזציה בעוצמה באמצעות רוחב תא קבוע של 25 יחידות הונספילד (HU). לא הוחל קנה מידה או נרמול תכונות לפני המידול.

4. סטטיסטיקות

ניתוחים סטטיסטיים בוצעו באמצעות תוכנת R (גרסה 3.6.0; https://www.r-project.org). משתנים רציפים הושוו בין קבוצות באמצעות מבחני t בלתי תלויים; משתנים קטגוריים הוערכו באמצעות מבחני χ². ערך P דו-צדדי < 0.05 נחשב מובהק סטטיסטית.

5. הקמת נומוגרמת חיזוי

ניתוח חד-משתני בוצע באמצעות הקורלציה של פירסון למאפיינים דמוגרפיים, מורפולוגיים ורדיומיים של המסך, לצורך קשר לאבחנה (GIST לעומת GLM). מידול רב-משתני השתמש ברגרסיית התכווצות מוחלטת מינימלית ואפרטור בחירה (LASSO) שיושמו באמצעות חבילת glmnet (פונקציית cv.glmnet) עם אימות צולב של 10 פעמים15. פרמטר הרגולריזציה האופטימלי λ נבחר ב-lambda.1se כדי להעדיף מודל חסכוני יותר. המנבאים הסופיים, גיל, מיקום הגידול, דפוס השיפור ו-NGLDM_Busyness, שולבו באופן ליניארי באמצעות המקדמים המתאימים שלהם ליצירת ציון חיזוי (Prescore). מבין כל התכונות הרדיומיות שהופצו, רק NGLDM_Busyness שמרו על מקדם שונה מאפס לאחר עונש LASSO, מה שמרמז כי תכונות רדיומיות אחרות היו או מיותרות או סיפקו ערך הבחנה מוגבל. נומוגרמה נבנתה בהתבסס על המודל הרב-משתני תוך שימוש בפונקציית הנומוגרם מחבילת ה-rms.

6. יעילות חיזוי ואימות הנומוגרמה

הביצועים החיזויים הוערכו באמצעות השטח מתחת לעקומת מאפיין הפעולה של המקלט (AUC), רגישות, ספציפיות ודיוק הן בקבוצות אימון והן בקבוצות אימות. הכיול הוערך באמצעות דגימה מחדש של בוטסטרפינג (1000 איטרציות) ומבחן ההתאמה של Hosmer-Lemeshow; עקומות הכיול צוירו בהתאם. ערך P < 0.05 הצביע על סטייה משמעותית מהכיול האידיאלי. מדד ההתאמה (C-index) שימש לכימות אמינות הבחנה. התועלת הקלינית הוערכה באמצעות ניתוח עקומת החלטה (DCA).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מאפיינים דמוגרפיים וקליניים
בסך הכול נכללו 172 מטופלים עם גידולים תת-ריריים בקיבה (110 GISTs, 62 GLMs). מאפיינים דמוגרפיים וקליניים מסוכמים בטבלה 1, טבלה 2 וטבלה 3. ניתוח זה נועד לזהות הבדלים בסיסיים בין GISTs ל-GLMs כדי להנחות את פיתוח המודלים הבאים. GIST היו סבירים יותר להתרחש בגוף הקיבה אצל מטופלים מבוגרים עם דפוס שיפור בינוני, בעוד ש-GLMs היו שכיחים יותר בקרדיה אצל מטופלים צעירים עם שיפור קל (p < 0.05). יחידת הונספילד (HU) בסריקת CT פשוטה הייתה...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

הבחנה בין גידולי סטרומל במערכת העיכול (GISTs) לבין ליאומיומות קיבה (GLMs) חשובה קלינית כי היא משפיעה ישירות על החלטות הטיפול ועל תוצאות המטופלים. נומוגרמה פותחה ואומתה כנומוגרפיה חזויה הכוללת תכונה דמוגרפית אחת (גיל), שני סימני CT (מיקום ודפוס העצמה), ופרמטר רדיומי אחד (NGLDM_Busyness). מודל זה ניתן ליישם בקלות לפני הניתוח בפרקטיקה קלינית. מחקר זה מתמודד עם פער נוכחי בהבדלה לא פולשנית לפני הניתוח של גידולים תת-ריריים בקיבה, על ידי מתן אלטרנטיבה מעשית לשיטות עם תפוקה אבחנתית מוגבלת או פול...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

המחברים מצהירים שאין להם אינטרסים מתחרים.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
סורק CT משופר בניגודיותסימנס הלת'ינירסהגדרת SOMATOM AS+סורק CT עם 64 פרוסים; טיפוסי בבתי חולים שלישוניים סיניים במהלך 2017 ו-2022. פרמטרי סריקה: 120 קילו-וולט, 250– 300 mA, עובי פרוסה 1.5 מ"מ, גרעין B30f.
חבילת glmnet (R)קראןגרסה 4.0 (תואמת ל-R 3.6.0)רגרסיית LASSO עם אימות צולב של 10 פעמים.
חומר ניגוד יודיניבאייר AGUltravist 370 (יופרומיד 370 מ"ג I/mL)ניתנה לי עירוי בגיל 80 ו-15; 120 מ"ל, 3.0 מ"ל לשנייה. חומר ניגוד לא-יוני נפוץ בסין לטיפול ב-CT בטני.
תוכנת LIFExwww.lifexsoft.orgגרסה 4.90משמש לחילוץ תכונות רדיומיות מ-ROIs של CT.
תוכנת Rקרן Rגרסה 3.6.0לניתוח סטטיסטי ומידול (https://www.r-project.org).
חבילת RMS (R)קראןגרסה 5.1-4 (תואמת ל-R 3.6.0)בניית נומוגרפיה וכיול.

מקורות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Papke, D. J., Hornick, J. L. Recent developments in gastroesophageal mesenchymal tumors. Histopathology. 78 (1), 171-186 (2021).
  2. Inoue, A., et al. Difference of computed tomographic characteristic findings between gastric and intestinal gastrointestinal stromal tumors. Jpn J Radiol. 38 (8), 771-781 (2020).
  3. Joensuu, H. Risk stratification of patients diagnosed with gastrointestinal stromal tumor. Hum Pathol. 39 (10), 1411-1419 (2008).
  4. Nishida, T., Blay, J. Y., Hirota, S., Kitagawa, Y., Kang, Y. K. The standard diagnosis, treatment, and follow-up of gastrointestinal stromal tumors based on guidelines. Gastric Cancer. 19 (1), 3-14 (2016).
  5. Yang, H. K., et al. Leiomyomas in the gastric cardia: CT findings and differentiation from gastrointestinal stromal tumors. Eur J Radiol. 84 (9), 1694-1700 (2015).
  6. Nishida, T., Blay, J. Y., Hirota, S., Kitagawa, Y., Kang, Y. K. The standard diagnosis, treatment, and follow-up of gastrointestinal stromal tumors based on guidelines. Gastric Cancer. 19 (1), 3-14 (2016).
  7. Okuyama, R., et al. Can EUS-FNA cytology reliably classify gastric submucosal spindle cell tumors. Diagn Cytopathol. 51 (4), 230-238 (2023).
  8. Chen, Z., et al. Gastric gastrointestinal stromal tumors (2-5 cm): Correlation of CT features with malignancy and differential diagnosis. Eur J Radiol. 123, 108783(2020).
  9. Akahoshi, K., Oya, M., Koga, T., Shiratsuchi, Y. Current clinical management of gastrointestinal stromal tumor. World J Gastroenterol. 24 (26), 2806-2817 (2018).
  10. Li, Y., et al. Computed tomography in the size measurement of gastric gastrointestinal stromal tumors: Implication to risk stratification and "wait-and-see" tactics. Eur J Surg Oncol. 48 (8), 1739-1745 (2022).
  11. Gillies, R. J., Kinahan, P. E., Hricak, H. Radiomics: Images are more than pictures, they are data. Radiology. 278 (2), 563-577 (2016).
  12. Mao, H., et al. MRI-based radiomics models for predicting risk classification of gastrointestinal stromal tumors. Front Oncol. 11, 637270(2021).
  13. Chu, H., et al. Value of radiomics model based on enhanced computed tomography in risk grade prediction of gastrointestinal stromal tumors. Sci Rep. 11, 3775(2021).
  14. Chen, Z., et al. CT radiomics model for discriminating the risk stratification of gastrointestinal stromal tumors: A multi-class classification and multicenter study. Front Oncol. 11, 657371(2021).
  15. Sauerbrei, W., Royston, P., Binder, H. Selection of important variables and determination of functional form for continuous predictors in multivariable model building. Stat Med. 26 (30), 5512-5528 (2007).
  16. He, M. Y., et al. Differentiation between gastrointestinal schwannomas and gastrointestinal stromal tumors by computed tomography. Oncol Lett. 13 (5), 3746-3752 (2017).
  17. Wang, C., et al. Building CT radiomics-based models for preoperatively predicting malignant potential and mitotic count of gastrointestinal stromal tumors. Transl Oncol. 12 (9), 1229-1236 (2019).
  18. Choi, Y. R., et al. Differentiation of large (≥5 cm) gastrointestinal stromal tumors from benign subepithelial tumors in the stomach: Radiologists' performance using CT. Eur J Radiol. 83 (2), 250-260 (2014).
  19. Levy, A. D., Remotti, H. E., Thompson, W. M., Sobin, L. H., Miettinen, M. Gastrointestinal stromal tumors: Radiologic features with pathologic correlation. Radiographics. 23 (2), 283-304 (2003).
  20. Miettinen, M., Lasota, J. Gastrointestinal stromal tumors: Definition, clinical, histological, immunohistochemical, and molecular genetic features and differential diagnosis. Virchows Arch. 438 (1), 1-12 (2001).
  21. Wang, J., et al. Value of CT imaging in the differentiation of gastric leiomyoma from gastric stromal tumor. Can Assoc Radiol J. 72 (3), 444-451 (2021).
  22. Tomita, H., et al. Unenhanced CT texture analysis with machine learning for differentiating between nasopharyngeal cancer and nasopharyngeal malignant lymphoma. Nagoya J Med Sci. 83 (1), 135-149 (2021).
  23. Zhu, H., et al. Differentiation of gastric true leiomyoma from gastric stromal tumor based on biphasic contrast-enhanced computed tomographic findings. J Comput Assist Tomogr. 38 (2), 228-234 (2014).
  24. Sauerbrei, W., Royston, P., Binder, H. Selection of important variables and determination of functional form for continuous predictors in multivariable model building. Stat Med. 26 (30), 5512-5528 (2007).
  25. Han, J. P., et al. EUS-guided FNA and FNB after on-site cytological evaluation in gastric subepithelial tumors. J Dig Dis. 17 (9), 582-587 (2016).
  26. Liu, X. Y., et al. Application of artificial intelligence in the diagnosis of subepithelial lesions using endoscopic ultrasonography: A systematic review and meta-analysis. Front Oncol. 12, 915481(2022).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

CT RadiomicsGastric Stromal TumorsGastric LeiomyomasRadiomics NomogramPreoperative DifferentiationContrast Enhanced CTFeature SelectionLASSO RegressionTumor Texture HeterogeneityReceiver Operating Characteristic
הסרטון יגיע בקרוב

מאמרים קשורים