基于深度算法的肝外胆管癌术前MRI动态增强扫描自动分期系统的构建及验证

摘要

目的 基于深度学习算法构建肝外胆管癌(ECC)术前磁共振成像(MRI)动态增强扫描自动分期系统，并验证其效能。方法 回顾性分析2020年1月—2022年12月本院收治的270例ECC患者的临床资料，作为训练集，收集其经MRI动态增强扫描获得的肿瘤位置、侵犯范围、淋巴结转移等特征，基于深度学习算法对不同临床分期的ECC进行分类建模，构建ECC术前MRI动态增强扫描自动分期系统。另回顾性分析2023年1—12月本院收治的94例ECC患者临床资料作为验证集，以病理学诊断的临床分期结果作为金标准，分析基于深度算法的ECC术前MRI动态增强扫描自动分期系统对患者临床分期的诊断效能。结果 基于深度学习算法的ECC术前MRI动态增强扫描自动分期系统对临床分期Ⅰ期、Ⅱ期、Ⅲ期、Ⅳ期的诊断灵敏度(100.00%、93.33%、97.78%、100.00%)、特异度(100.00%、98.44%、95.92%、100.00%)和准确度(100%、96.81%、96.81%、100.00%)高于MRI动态增强扫描检查方式(灵敏度：91.67%、86.67%、88.89%、85.71%,特异度：97.56%、90.63%、93.88%、100.00%,准确度：96.81%、89.36%、91.49%、98.94%),且与病理学结果的一致性高(Kappa=0.885,P<0.001),MRI动态增强扫描检查方式与病理学结果也存在一致性(Kappa=0.691,P<0.001)。结论 基于深度学习算法构建的ECC术前MRI动态增强扫描自动分期系统可提高对ECC术前分期的诊断敏感度、特异度和准确度。

关键词

深度学习算法 / 肝外胆管癌 / 磁共振成像 / 动态增强扫描