《临床放射学杂志》发表论文赏析
作者:吴越, 程军强, 李国志
单位:450006 郑州大学附属肿瘤医院/河南省肿瘤医院吴 越;欧亚高科数字技术有限公司程军强;河南中医药大学信息技术学院李国志
摘要:目的基于MRI数据,依据端到端的计算机辅助诊断算法,构建改进ResNet(RCSID)的直肠癌T分期智能诊断模型,以期提高直肠癌术前T分期的准确性和效率,为临床制定个性化的有效治疗方案提供数据支持。方法在病历系统搜索2023年6月至2024年6月初次于河南省肿瘤医院进行MRI检查并未经治疗干预的直肠癌患者,搜集其MRI检测结果,构建RCSID预测模型和探究改进ResNet模型在直肠癌T分期的预测价值。结果经临床诊断,155例初次入院检查的直肠癌患者,T1(7例)、T2(27例)、T3(97例)和T4(24例)。在模型预测实验中,对比了不同深度学习模型在直肠癌T分期预测中的表现,主要包括AlexNet模型、VGG16模型、ResNet101模型和RCSID模型,结果显示,在相同实验条件下,RCSID模型预测直肠癌T分期的准确率、精准率、召回率及F1分数均分别优于AlexNet模型、VGG16模型和ResNet101模型;应用RCSID模型对评估直肠癌具体T分期的准确率分别为T1(87.00%)、T2(89.00%)、T3(86.00%)和T4(94.00%),其准确率均分别高于AlexNet模型、VGG16模型和ResNet101模型;经受试者工作特征(ROC)曲线分析结果显示,RCSID模型的ROC曲线下面积(AUC)值高达0.98,分别高于AlexNet(0.72)、VGG16(0.81)和ResNet101(0.87);学习集和测试集Calibration曲线经Delong检验,两者间差异均无统计学意义(P>0.05)。统计4种模型的训练时间和推理时间,按应用时间长短排列为:AlexNet模型<VGG16模型<ResNet101模型<RCSID模型。结论RCSID模型在早期直肠癌T分期智能诊断中获得较高的应用价值,其可行性强,临床上可推广使用。
关键词:直肠癌,改进ResNet,直肠癌T分期,智能诊断,诊断模型
基金资助:河南省高等学校重点科研项目(编号:22A520032);教育部产学合作协同育人项目(编号:221002627010602);河南省科技攻关项目(编号:232102311052、242102211028)
2025年4期其他文献查阅:
基于磁化转移成像技术在特发性震颤与帕金森病鉴别诊断中的价值探究
基于深度学习图像分割结合影像组学鉴别高级别胶质瘤和转移瘤的应用研究
基于多序列磁共振成像U-net模型在脑胶质瘤预后评估中的应用价值
基于CT影像组学及深度学习模型区分腮腺多形性腺瘤和基底细胞腺瘤
磁共振虚拟弹性成像和体素不相干运动成像评估乳腺良、恶性病变:与超声弹性成像的对比研究
DECT定量参数联合形态学特征预测肺实性结节浸润性非黏液腺癌的分化程度
四维血流磁共振成像在肝硬化患者门静脉系统解剖和血流动力学的可行性研究
基于术前18F-FDG PET/CT影像组学机器学习模型预测Ⅱ~Ⅲ期结直肠腺癌病理高危状态及预后评估
使用扩散加权成像实现在治疗床上即刻评估磁共振引导聚焦超声治疗消融子宫肌瘤的效果
基于能谱CT 120 kVp-like图像和碘图的细胞外体积分数在术前预测肾透明细胞癌分级的价值
机器学习多种算法构建MRI影像组学模型预测睾丸良恶性病变的对比分析
双层探测器光谱CT单能量成像联合去金属伪影算法在TIPS术后随访的应用价值
3D-T2WI-DESS及DTI成像技术在腰骶神经解剖及功能成像中的应用