临床放射学杂志

作者：吴越, 程军强, 李国志

单位：450006 郑州大学附属肿瘤医院/河南省肿瘤医院吴 越;欧亚高科数字技术有限公司程军强;河南中医药大学信息技术学院李国志

关键词：直肠癌,改进ResNet,直肠癌T分期,智能诊断,诊断模型

基金：河南省高等学校重点科研项目(编号:22A520032);教育部产学合作协同育人项目(编号:221002627010602);河南省科技攻关项目(编号:232102311052、242102211028)

<b>目的</b> 基于MRI数据,依据端到端的计算机辅助诊断算法,构建改进ResNet(RCSID)的直肠癌T分期智能诊断模型,以期提高直肠癌术前T分期的准确性和效率,为临床制定个性化的有效治疗方案提供数据支持。<b>方法</b> 在病历系统搜索2023年6月至2024年6月初次于河南省肿瘤医院进行MRI检查并未经治疗干预的直肠癌患者,搜集其MRI检测结果,构建RCSID预测模型和探究改进ResNet模型在直肠癌T分期的预测价值。<b>结果</b> 经临床诊断,155例初次入院检查的直肠癌患者,T1(7例)、T2(27例)、T3(97例)和T4(24例)。在模型预测实验中,对比了不同深度学习模型在直肠癌T分期预测中的表现,主要包括AlexNet模型、VGG16模型、ResNet101模型和RCSID模型,结果显示,在相同实验条件下,RCSID模型预测直肠癌T分期的准确率、精准率、召回率及F1分数均分别优于AlexNet模型、VGG16模型和ResNet101模型;应用RCSID模型对评估直肠癌具体T分期的准确率分别为T1(87.00%)、T2(89.00%)、T3(86.00%)和T4(94.00%),其准确率均分别高于AlexNet模型、VGG16模型和ResNet101模型;经受试者工作特征(ROC)曲线分析结果显示,RCSID模型的ROC曲线下面积(AUC)值高达0.98,分别高于AlexNet(0.72)、VGG16(0.81)和ResNet101(0.87);学习集和测试集Calibration曲线经Delong检验,两者间差异均无统计学意义(P＞0.05)。统计4种模型的训练时间和推理时间,按应用时间长短排列为:AlexNet模型＜VGG16模型＜ResNet101模型＜RCSID模型。<b>结论</b> RCSID模型在早期直肠癌T分期智能诊断中获得较高的应用价值,其可行性强,临床上可推广使用。

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