基于深度学习的口腔鳞状细胞癌CT增强图像中颈部转移淋巴结自动检测模型的建立及临床应用研究

摘要：

目的:基于深度学习,建立一个在颌面颈部增强计算机体层成像(computed tomography,CT)图像上,完成口腔鳞状细胞癌(oral squamous cell carcinoma,OSCC)患者颈部转移淋巴结自动检出的模型.方法:收集114例OSCC患者的颌面颈部增强CT扫描图像,所有勾勒的转移淋巴结均得到病理学检查证实(共216枚),图像层厚为0.625 mm,单层图像分辨率512×512.随机分为训练集80例,测试集34例.以上结果经过深度学习模型的训练和验证,评估其自动检测转移淋巴结的可行性.结果:转移淋巴结自动检测模型的自由响应受试者工作特征(free-response receiver operating characteristic,FROC)@1:0.3915;FROC@2:0.5183;FROC@3:0.6478;FROC@4:0.7408;FROC@5:
0.8169;FROC@6:0.8535;mFROC:0.6615;maxF1-score:0.4385;灵敏度的最佳表现为87.32％.结论:本研究建立的深度学习模型可用于颌面颈部增强CT图像中的OSCC患者颈部转移淋巴结的自动检测,为OSCC患者转移淋巴结快速自动检测提供了新方法,有利于实现头颈影像专科医师知识的下沉及提高初级影像科医师的培训效率.

关键词：口腔鳞状细胞癌、计算机体层成像、淋巴结转移、淋巴结分区、深度学习

所属期刊栏目：32

分类号：R739.8;R445.3(肿瘤学)

在线出版日期：2023-03-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：20-25