文献类型：期刊文章

作　　者：李根[1,2] 刘琨[3] 于海韵[3] 刘萌[2] 殷小平[2] 刘洋[4] 季倩[5,6]

LI Gen;LIU Kun;YU Haiyun;LIU Meng;YIN Xiaoping;LIU Yang;JI Qian(The First Central Clinical School,Tianjin Medical University,Tianjin 300070,China;Department of Radiology,Affiliated Hospital of Hebei University;College of Quality and Technical Supervision,Hebei University;Department of Radiology,Baoding First Central Hospital;Department of Radiology,Tianjin First Central Hospital;Tianjin Institute of imaging medicine)

机构地区：[1]天津医科大学一中心临床学院,天津300070 [2]河北大学附属医院放射科 [3]河北大学质量技术监督学院 [4]保定市第一中心医院放射科 [5]天津市第一中心医院放射科 [6]天津市影像医学研究所

出　　处：《国际医学放射学杂志》

基　　金：天津市医学重点学科(专科)建设项目(TJYXZDXK-041A);天津市自然科学基金项目(21JCYBJC01050)。

年　　份：2024

卷　　号：47

期　　号：2

起止页码：172-177

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：目的探讨基于增强CT的深度学习模型术前无创预测胃肠道间质瘤(GIST)Ki-67表达的价值。方法回顾性收集2所医院经手术病理证实且行免疫病理学染色的262例GIST病人的临床及影像学资料,其中男140例、女122例,平均年龄(55.82±10.13)岁。将一所医院收集的190例病人使用随机分层抽样法以7∶3的比例分为训练组(133例)和内部验证组(57例);将另一所医院收集的病人作为外部验证组(72例)。应用Resnet34、Resnet50、Densenet、Efficientnet和Efficientnetv2等5种基础网络进行模型训练和优化。采用受试者操作特征曲线下面积(AUC)、准确度、特异度、敏感度评估模型的预测效能。使用DeLong检验比较各模型间AUC值差异,得到最佳网络模型。应用梯度类加权激活映射(Grad-CAM)可视化的方法在原始CT图像上生成注意力热图。结果当学习率(Lr)为0.0005时,5种模型在训练组、内部验证组、外部验证组中预测Ki-67表达的AUC值均高于Lr=0.0001时。Densenet(Lr=0.0005)模型在训练组、内部验证组、外部验证组中对Ki-67表达的预测效能、准确度均最佳,AUC分别为0.983、0.930、0.925,预测准确度分别为92.77%、88.14%、87.77%。Efficientnet模型的预测敏感度最佳,Efficientnetv2模型的预测特异度最佳,但两者准确度均低于其他模型。注意力热图显示模型可以从矩形兴趣区(ROI)中正确识别肿瘤区域,合理解释模型的决策逻辑。结论基于增强CT的深度学习模型具有良好的稳定性和诊断效能,是一种无创预测GIST Ki-67表达的潜在方法。

关 键 词：体层摄影术,X线计算机  深度学习  胃肠道间质瘤 KI-67

分 类 号：R814.42]