基于AGCA-VGG的肛管直肠瘘磁共振影像分类方法

摘要

针对肛管直肠瘘的术前分型临床需求，基于深度学习的自动分类研究存在瘘管形态异质性显著、组织边界模糊等挑战，提出一种融合自适应图通道注意力机制（AGCA）的改进型VGG网络模型（AGCA-VGG），旨在提升神经网络对磁共振影像中肛瘘特征的学习能力。实验采用回顾性研究方法，纳入189例经病理确诊肛瘘患者的T₂WI序列磁共振影像数据，依据临床分型标准划分为单纯型（n=93）与复杂型（n=96）。通过随机分层抽样建立150例训练集及39例外部测试集，采用五折交叉验证策略进行模型优化。实验结果表明，AGCA-VGG在外部测试集上取得最优分类性能，其准确率、召回率与精确率分别达到84.62%、85.03%和84.47%，性能优于其它先进的分类方法，能够为临床准确分型提供有效的帮助。

关键词

肛管直肠瘘 / 深度学习 / 磁共振 / 图像分类

基金资助

国家自然科学基金（U23A20483,62441114）; 苏州市科技计划项目（SKY2023070,SKJYD2021121,SYSD2013123）; 苏州市重点实验室（SZS2024007）