目的：膀胱膨出是女性盆腔器官脱垂的常见类型，超声是诊断膀胱膨出的首选影像学方法，但其操作烦琐、依赖医师经验，不同医师间诊断结果具有主观差异。本研究拟构建基于二维超声图像、三维超声图像及二维与三维超声融合图像的深度学习模型，用于女性膀胱膨出的诊断及其超声分度评估，并对比3种模型的诊断性能。方法：回顾性收集2022年1月至2024年12月于中南大学湘雅医院接受经会阴盆底超声检查的女性患者资料，符合纳排标准的共625例。根据临床和超声诊断结果，最终入组膀胱膨出467例(轻度膨出167例、明显膨出300例)，无膀胱膨出158例。使用GE Voluson E10采集膀胱在静息与最大Valsalva状态下二维正中矢状切面对比图像，以及最大Valsalva状态下三维容积渲染成像模式肛提肌裂孔重建图像。将全部数据按7:3比例随机分为训练集(437例)和测试集(188例)。通过通道堆叠融合二维与三维图像信息，组成融合图像集。以ResNet50为骨干网络构建3种模型：1)二维图像模型，以原始二维双屏图像为输入；2)三维图像模型，以三维肛提肌裂孔重建图像为输入；3)融合图像模型，以二维与三维融合图像为输入。各模型诊断性能在测试集上进行评估，评估指标包括准确率、精确率、召回率、F1分数及受试者操作特征曲线下面积(area under the curve,AUC)，模型间准确率比较采用McNemar检验。结果：二维图像模型总体准确率为75.5%，宏平均的精确率、召回率、F1分数、AUC分别为69.4%、69.8%、69.2%、0.878。三维图像模型总体准确率为76.1%，宏平均的精确率、召回率、F1分数、AUC分别为78.7%、71.7%、71.3%、0.908。融合图像模型总体准确率为82.3%，宏平均的精确率、召回率、F1分数、AUC分别为80.5%、78.7%、79.3%、0.930，在无膀胱膨出、轻度膨出、明显膨出3个类别上的F1分数分别为80.4%、68.4%、89.0%。融合图像模型准确率显著高于二维图像模型(82.3%vs 75.5%,P=0.031)；与三维图像模型比较，差异无统计学意义(82.3%vs 76.1%,P=0.082)。结论：基于超声图像构建的深度学习模型，实现了膀胱膨出的智能化诊断与分度评估。二维与三维超声图像在膀胱膨出评估中各具优势且互为补充，二者融合有助于提升诊断的准确性与均衡性；融合模型诊断准确率显著优于二维模型，在智能化诊断与分度评估中展现出应用潜力。
京公网安备11010202008535号
