基于MRI放射学特征的深度学习预测早期宫颈癌淋巴血管浸润的研究

目的 探讨基于磁共振成像（magnetic resonance imaging, MRI）放射学特征的深度学习预测早期宫颈癌的淋巴血管浸润。方法 选取2018年1月—2021年12月惠州中心人民医院收治的118例早期宫颈癌患者作为研究对象，按照抽签法分为观察组82例(训练集)和对照组36例(验证集)。通过收集患者一般资料、临床资料及影像学资料，由两名经验丰富的医生对子宫颈癌患者的影像学资料记录并构建临床模型，使用ITK-SNAP软件勾画图像中的感兴趣区，通过处理数据构建深度学习模型，用诺莫图对模型可视化，来评估子宫颈癌预测肿瘤分级与淋巴管浸润的组学分析情况。采用临床决策曲线、区分度和校准度等评价模型将观察组的模型在对照组进行验证，绘制受试者工作特征(receiver operating characteristic, ROC)曲线分析预测性能。结果 所筛选出的6个特征的特征间相关性最小，预测能力最强。曲线下面积(area under the curve, AUC)均大于0.60，表明对宫颈癌淋巴脉管侵犯(lymphovascular space invasion, LVSI)具有较好的...