10.3969/j.issn.1002-3429.2022.01.010
基于Faster-RCNN的肝细胞癌与肝内胆管细胞癌多模态MR影像智能肿瘤识别与分类诊断模型构建
目的 探讨基于Faster-区域卷积神经网络(RCNN)的肝细胞肝癌与肝内胆管细胞癌(HCC/ICC)多模态MR影像肿瘤识别及分类诊断模型的应用可行性.方法 选取2017年1月—2020年1月我院接受手术的156例HCC或ICC,术前4周内行MR增强扫描,使用image_registration软件chi2_shift方法对患者MR动脉期、静脉期及延迟期影像进行配准、融合,利用Faster-RCNN模型对患者进行肿瘤目标识别及分类.通过Z轴连续性筛选方法降低肿瘤识别的假阳性率,在患者层面使用加权投票方法获得分类诊断结果.结果 Faster-RCNN模型可以有效识别肿瘤区域并进行分类诊断.Z轴连续性筛选可以降低肿瘤识别的假阳性率,提高精确率和召回率.经配准后的融合图像在图像层面目标识别精确率为83.7%,召回率为91.9%,分类整体准确率为92.0%;在患者层面,加权投票后融合影像的分类整体准确率为93.5%.结论 基于Faster-RCNN的HCC/ICC多模态MR影像鉴别诊断模型可以高效、准确地对HCC/ICC进行目标识别和分类诊断,有望实现临床转化,协助诊疗工作.
肝肿瘤;胆管上皮癌;Faster-区域卷积神经网络;磁共振成像;肿瘤识别;分类诊断
35
R735.7(肿瘤学)
2022-02-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
38-42