临床放射学杂志

作者：赵祥成, 宋丽文, 李传璞, 陈夏晴, 谢卓耀, 叶强, 阳维, 赵英华

单位：510630 广州,南方医科大学第三附属医院放射科（赵祥成、宋丽文、陈夏晴、谢卓耀、叶 强、赵英华）;510515 广州,南方医科大学生物医学工程学院（李传璞、阳 维）

关键词：原发性骨肿瘤,深度学习,不完整多模态医学图像,临床资料,分类

基金：本研究系国家自然科学基金项目（编号：81871510,82172014）; 广东省自然科学基金项目（编号：2023A030313574）

<b>目的</b> 探讨基于X线平片、CT平扫和MRI平扫的不完整多模态医学图像联合临床资料的深度学习（DL）模型对良性、中间型和恶性原发性骨肿瘤（PBT）的鉴别诊断价值。<b>方法</b> 回顾性搜集经病理确诊为PBT的1305例患者数据,包括不完整多模态医学图像和临床资料。基于EfficientNet网络分别构建DL以及DL临床模型用于将PBT分类为良性、中间型和恶性。<b>结果</b> 基于不完整多模态医学图像与临床资料构建的DL临床模型在内部测试集上的微平均受试者工作特征曲线下面积为0.816,准确度为64.7%,微平均敏感度为64.7%,微平均特异度为82.3%,分类性能优于仅基于不完整多模态医学图像构建的DL模型。DL临床模型在外部测试集上的微平均曲线下面积为0.768,准确度为60.3%。<b>结论</b> 基于不完整多模态医学图像联合临床资料的DL临床模型,对于良性、中间型和恶性PBT具有较好的分类能力,有望成为临床辅助诊断工具应用于实际临床实践中具有不同模态成像图像的患者。

来源：2025年第8期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第8期