Cancers (Basel)：显著性癌的MRI智能化分类

基于MRI的应用于放射组学或者深度学习的步骤来对显著癌（sPCa）完成类群得到了普遍的瞩目，因其在协助外科各项政策现实生活里面有着潜在的应用。

最近，有数据分析人员对文献完成了搜索来未确定哪一种算法在sPCa类群里面都可应用于；是否是观感和步骤以及应用于的MRI序列存在关系；评估不良影响sPCa类群观感因素的数据分析；数据分析了在外科文化背景下，是否是对观感完成了评估。数据分析搜索了2846个相关的参考资料，其里面的27个以外在数据分析里面。其里面文献里面都可用的算法为逻辑回归（22%）和微分神经网络（CNNs）（22%）。AUC自变量为0.79（四分位范围：0.77-0.87）。其里面以外的患者数量、成像序列或者参照标准对简报的观感未明显的不良影响。另外，有3个数据分析说明了了外部验证情况，但未数据分析在一个革命性的外科试验里面对其完成验证。

最后，数据分析人员指出，为了释放电脑程式和深度学习步骤的应用潜力，未来不该完成验证数据分析和外科革命性数据分析来创设一个步骤来评估对各项政策的实用性。

原始应是：

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