临床放射学杂志

作者：聂麟, 杨浩, 任勇, 杨静, 杜竑兵

单位：637000 四川南充,首都医科大学附属北京安贞医院南充医院南充市中心医院放射科（聂 麟、杨 浩、任 勇、杜竑兵）; 400010 渝中,重庆医科大学附属第二医院放射科（杨 静）

关键词：食管鳞状细胞癌,周围神经侵犯,影像组学,深度学习

<b>目的</b> 构建并验证一种融合Vision Transformer（ViT）架构与影像组学特征的深度学习模型,用于术前无创预测食管鳞状细胞癌（ESCC）的周围神经侵犯（PNI）状态。<b>方法</b> 回顾性纳入来自2个医疗中心的197例经病理证实的ESCC患者,其中中心1的133例患者作为训练集,中心2的64例患者作为测试集。从术前增强CT图像中提取包括拓扑特征和分形特征在内的影像组学特征,同时基于ViT架构提取深度学习特征。最终构建临床模型、影像组学模型、ViT模型、深度学习影像组学（DLR）模型及综合模型。<b>结果</b> 在训练集中,临床模型、影像组学模型、ViT模型、DLR模型及综合模型的AUC值分别为0.541、0.700、0.785、0.858和0.855,其中DLR模型表现最佳,显著优于单一模型（<em>P</em>&#x0003C;0.01）。在测试集中,临床模型、影像组学模型、ViT模型、DLR模型及综合模型的AUC值分别为0.669、0.585、0.657、0.640和0.662。<b>结论</b> 本研究开发的基于ViT与影像组学融合的DLR模型能够有效实现ESCC患者PNI状态的术前无创预测,为临床个体化治疗决策提供了有价值的辅助工具。

来源：2026年第3期

《临床放射学》期刊编辑部

查看临床放射学杂志2026年第3期