《临床放射学杂志》发表论文赏析
作者:王文江, 李娇娇, 王梓萌, 石子馨, 崔书君
单位:075000 张家口,河北北方学院研究生学院王文江、王梓萌、石子馨;075000 张家口,河北北方学院附属第一医院医学影像部李娇娇、崔书君
摘要:目的开发一种深度学习融合多模态磁共振影像神经网络模型,用于乳腺病变的分类,以协助临床医师更好地选择治疗方案。方法纳入325例接受乳腺MRI检查的患者。并根据病理结果,为每例患者的图像添加标签。然后,将所有患者的图像以7∶1∶2随机分为训练集、验证集和测试集,利用卷积神经网络(CNNs)提取的T<sub>2</sub>WI图像和动态对比增强磁共振成像(DCE-MRI)的特征进行融合,分别建立Vgg16和Resnet18的以下模型:T<sub>2</sub>+DCE模型、T<sub>2</sub>模型和DCE模型。通过受试者工作特征曲线(ROC)曲线下面积(AUC)、准确率、敏感度、特异度、阳性预测值和阴性预测值评估模型的性能。P<0.05为差异有统计学意义。结果本研究建立的六个模型表现良好。在Vgg16网络中,T<sub>2</sub>+DCE模型、T<sub>2</sub>模型和DCE模型的AUC分别为0.98、0.70和0.85。Vgg16组内的两两比较P均<0.001。在Resnet18网络中,T<sub>2</sub>+DCE模型、T<sub>2</sub>模型和DCE模型的AUC分别为0.98、0.63和0.94。Resnet18组内的两两比较P均<0.001。结论利用深度学习神经网络融合乳腺MRI的T<sub>2</sub>WI和DCE-MRI特征的模型可以有效提高乳腺病变的诊断效能。
关键词:人工智能,深度学习,乳腺癌,医学影像
基金资助:本研究系河北省自然科学基金项目(编号:H2023405031)
2024年11期其他文献查阅:
基于杏仁核亚区体积特征影像组学模型在癫痫分类中的应用价值研究
肿瘤内磁敏感信号评分鉴别低级别和高级别脑胶质瘤的Meta分析
基于深度学习融合T2WI和DCE-MRI模型在乳腺病变分类中的应用
CT淋巴管成像与非增强MR淋巴管成像在诊断乳糜胸中的价值探讨
基于CT血流储备分数的Duke危险评分对冠状动脉狭窄中危患者预后价值的研究
定量CT身体组分分析预测食管癌根治术联合辅助放化疗预后的价值
冠心病患者CCTA斑块特征、血流储备分数及其与脂代谢、炎症反应指标的关系分析
背景抑制扩散加权成像及动脉自旋标记技术FAIR在直肠癌术前评估中的价值
机器学习多种算法构建MRI影像组学模型预测膀胱癌病理分级的对比分析
宫颈癌淋巴结转移患者增强MRI成像技术参数与Hippo-YAP通路表达相关性分析
基于MRI研究业余马拉松运动员大腿肌肉与膝关节损伤及跑步因素的相关性
AngioJet血栓抽吸联合置管溶栓与导管碎栓联合置管溶栓治疗急性肺动脉栓塞的对比研究