深度注意力机制结合临床特征预测肝细胞癌微血管浸润

目的 探讨磁共振成像(MRI)评估微血管浸润(MVI)存在的一致性和诊断性能，以及深度学习注意力机制和临床特征在MVI分类预测中的有效性。方法 选取2017年1月～2020年2月南方医科大学附属顺德医院158例患者数据进行回顾性实验，包括常规MRI序列(T₁WI、T₂WI、DWI)、增强MRI序列(AP、PP、EP、HBP)、合成MRI序列(T1mapping-pre、T1mapping-20min)得到MRI图像以及可能与MVI相关的临床数据。基于EfficientNetB0和注意力模块分别建立单序列深度学习模型和融合模型，并且通过深度学习可视化技术显示肝细胞癌微血管浸润的高危区域。结果 基于T1mapping-20min序列和临床特征的融合模型结果要优于其他融合模型。准确度为83.76%,AUC为85.01%，敏感度为83.78%，特异度为87.02%，且深度可视化技术可以显示MVI高危区域。结论 本研究成功建立基于多个MRI序列的单序列模型和融合模型，并验证了深度学习算法结合注意力机制和临床特征对MVI分类预测的有效性。