基于动态对比增强磁共振成像的结直肠癌肝转移辅助诊断深度学习模型研究

摘要

目的 构建并验证基于动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging,DCEMRI）的结直肠癌肝转移癌（colorectal liver metastasis,CRLM）与肝细胞癌（hepatic cellular carcinoma,HCC）深度学习鉴别诊断模型。方法 本研究为回顾性研究。根据纳入、排除标准，收集、分析2016年1月—2021年6月于复旦大学附属华山医院就诊的共724例肝肿瘤患者资料。按8∶2的比例将患者分为训练验证集（584例）和独立测试集（140例）。利用多期相肿瘤微环境模块整合DCE-MRI动脉期、静脉期和延迟期图像，并提取瘤周5mm微环境区域形成6通道输入数据。设计D-NeXt模块，通过密集连接构成Dense-NeXt分类网络。采用五折交叉验证与加权损失函数对模型进行优化训练。采用消融实验与对比实验系统评估模型性能。结果 根据肝脏组织病理学结果，将患者分为CRLM组（237例）和HCC组（487例）。经分层抽样后，CRLM组与HCC组组内的训练验证集与独立测试集间临床特征的差异均无统计学意义（P值均>0.05）。Dense-NeXt模型在独立测试集中的AUC为0.960、准确率为92.86%、灵敏度为0.911、特异度为0.937，其性能优于现有文献报道的最优结果（AUC为0.951）和次优模型3DConvNeXt(AUC为0.953)。结论 DenseNeXt模型通过多期相动态捕捉肿瘤微环境异质性，为CRLM提供高精度、可解释的辅助诊断工具，具备临床转化潜力。

关键词

结直肠癌肝转移 / DCE-MRI / 深度学习 / 肿瘤微环境