深度学习在医学影像中的应用

医学影像是放射科医生做出医学诊断的重要依据。但随着医学影像技术的快速发展, 逐渐增多的影像图像和复杂的图像信息对医生的工作产生了巨大的挑战。而深度学习是人工智能研究中最热门的领域, 在处理大数据和提取有效信息方面具有优势, 因此逐渐成为分析医学影像方面的首选方法。本文阐述了深度学习的概念, 并简要总结深度学习在医学影像中的常见模型, 包括卷积神经网络、循环神经网络、深度置信网络和自动编码器。卷积神经网络的基本结构是卷积层、池化层和全连接层; 循环神经网络由输入层、隐藏层和输出层组成; 深度置信网络的基础是玻尔兹曼机; 自动编码器包含编码层、隐藏层和解码层。通过对CT肺结节和MRI脑部疾病的分类, 阐明目前深度学习在疾病自动分类上准确性较高; 通过分割左心室、椎旁肌肉和肝脏的结构, 可见深度学习方法在医学图像分割上与人为分割具有一致性; 深度学习在肺结节和乳腺癌疾病的检测上已相对成熟。但目前为止, 仍存在标注的样本量少和过拟合的问题, 希望通过共享图像数据库来解决此问题。总之, 深度学习在医学影像中具有广阔前景, 且对临床医生的工作具有重大意义。      

基于3D增强CT影像组学的肾癌亚型三分类预测模型

目的探讨可靠的基于3D多期增强CT影像组学特征的肾癌亚型三分类预测模型。方法210例肾细胞癌患者（透明细胞癌143例,乳头状癌25例,嫌色细胞癌29例,其他亚型的肾细胞癌13例）被纳入研究。使用ITK-SNAP软件,获取患者的3D增强CT病灶分割图像,使用PyRadiomics计算平台进行特征提取,使用集成学习分层bagging法来筛选特征和构建肾细胞癌亚型三分类预测模型:首先用100次5折交叉验证将模型分为训练集和测试集,然后将Lasso回归作为基学习器对影像组学特征的进行筛选,最后使用logistic回归作为基学习器进行建模和校正。根据不同期像的CT图像,构建平扫期模型、皮髓质期模型、实质期模型、排泄期模型和全期模型。使用准确率、精确率、敏感度和Kappa值评估测试集上不同期像预测模型的性能。结果每期CT图像中提取到了105个影像组学特征。在5个模型中,全期模型的预测效能最好,准确率为0.81,AUC为0.85;精确度为0.717;敏感度为0.799,kappa值为0.679。全期模型的影像组学特征中,有4个皮髓质期特征、3个实质期特征、1个排泄期特征和1个平扫期特征,且与其他4个单期模型中的特征没有重叠。在4个单期模型中,实质期模型的性能最好,准确性0.786,精确度0.689,敏感度0.734,AUC 0.811,Kappa值0.532;皮髓质期模型和排泄期模型的性能相似,但是排泄期模型的Kappa值0.285,明显低于皮髓质期的Kappa值0.446。平扫期模型的性能最差,AUC为0.693。结论基于3D多期增强CT影像组学特征的全期模型是区分肾细胞癌亚型的可靠和有效的方法。      

基于术前CT影像组学列线图可预测Ⅰ～Ⅲ期肾透明性细胞癌术后复发

目的 探讨Ⅰ~Ⅲ期肾透明细胞癌术后复发的术前CT影像组学特征并构建列线图,以期为肾癌个体化治疗提供参考。方法 回顾性收集256例（训练集175例,测试集81例）肾透明细胞癌患者的临床病理及 CT 资料。利用 ITK-SNAP 软件和PyRadiomics计算平台对肿瘤的容积图像进行分割和特征提取。训练集中,基于lasso-CV算法进行特征筛选,并计算影像组学评分Rad_score;利用单因素和多因素逻辑回归分析筛选临床病理及CT特征为Clinic因素;构建Rad_score、Clinic、Rad_score+Clinic列线图,并在测试集中进行验证。评估列线图的辨别度和校准度,应用决策曲线分析评估其临床应用价值。结果 6个影像组学特征最终用于计算Rad_score。Clinic因素为KPS评分、血小板、钙化和TNM临床分期。在辨别度方面,Rad_score+Clinic列线图的效能（训练集AUC 0.84,测试集AUC 0.85）显著高于Rad_score列线图（训练集AUC 0.78,P=0.029;测试集AUC0.77,P=0.025）和 Clinic列线图（训练集AUC 0.77,P=0.014,测试集AUC 0.77,P=0.011）。校准度方面,Rad_score+Clinic列线图拟合优度检验为训练集P=0.065,测试集P=0.628。决策曲线分析显示,加入Rad_score后的Rad_score+Clinic列线图比单纯Clinic列线图应用价值高。结论 基于术前CT影像组学特征的列线图预测Ⅰ~Ⅲ期肾透明细胞癌术后复发有较高的效能,可为肾癌个体化治疗提供参考。     

MRI联合多层螺旋CT检查用于原发性肝癌介入治疗患者疗效评定的价值

  目的  评价MRI联合多层螺旋CT（MSCT）用于原发性肝癌介入治疗患者疗效评定中的临床价值。  方法  选取2019年5月~2021年5月130例原发性肝癌介入治疗患者作为研究对象,其中50例患者接受MSCT单一检查,40例患者接受MRI单一检查,40例患者接受MRI、MSCT联合检查,所有患者均以数字减影血管造影验证。以数字减影血管造影结果为金标准,比较MRI单一检查、MSCT单一检查以及联合检查患者介入治疗后残留病灶、复发病灶的敏感度、特异性及准确性,比较3种检查方式的病灶检出率。  结果  MRI、MSCT联合检查残留病灶的敏感度为89.3%、准确性为96.2%,高于MSCT单一检查（77.9%、91.4%）和MRI单一检查（83.5%、95.9%）（P < 0.05）;MRI、MSCT联合检查复发病灶的敏感度为88.6%、准确性为95.1%,高于MSCT单一检查（70.7%、91.4%）和MRI单一检查（74.2%、93.9%）（P < 0.05）。  结论  MRI联合MSCT检查用于原发性肝癌介入治疗患者疗效评定可更好的检出残留以及复发病灶,检出阳性病灶能力比单一影像学检查更高。