临床放射学杂志

作者：段金辉, 刘苏娟, 张梦, 周凤梅, 李自强, 闫瑞芳

单位：453100 卫辉,新乡医学院第一附属医院磁共振科段金辉、张 梦、周凤梅、李自强、闫瑞芳;放射科刘苏娟

关键词：脑胶质瘤,预后评估,磁共振成像,深度学习

基金：河南省医学科技公关计划联合共建项目(编号:LHGJ20230505);河南省高等学校重点科研项日计划(编号:24B320017);新乡医学院第一附属医院青年培育基金项目(编号:QN-2022-B11)

<b>目的</b> 探索基于磁共振T₁WI和对比增强T₁WI序列(CE-T₁WI)的U-net模型对脑胶质瘤患者的预后评估价值。<b>方法</b> 回顾性分析316例脑胶质瘤患者的T₁WI、CE-T₁WI影像数据和临床资料,其中,低风险组163例,高风险组153例。采用U-net深度学习算法建立预测模型。受试者工作特征曲线下面积(AUC)被用于评价预测性能。<b>结果</b> 基于U-net算法的T₁WI模型、CE-T₁WI模型和多序列联合模型均可用于预测脑胶质瘤患者的生存风险,且与前两者相比,多序列联合模型有最高的诊断效能,训练集中AUC为0.913(95％CI:0.871~0.944),敏感度和特异度分别为90.16%和91.54%,验证集中AUC为0.883(95％CI:0.778~0.950),敏感度和特异度分别为90.32%和93.94%。DeLong检验显示,训练集中多序列联合模型与T₁WI模型之间AUC的差异具有统计学意义(Z=1.983,P＜0.05)。<b>结论</b> 基于T₁WI和CE-T₁WI的U-net深度学习模型能够预测脑胶质瘤患者的预后生存率。

来源：2025年第4期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第4期