目的 探讨三维密集连接卷积网络(3D-DenseNet)通过MRI鉴别诊断高级别胶质瘤(HGGs)与单发脑转移瘤(BMs)的价值,并比较不同序列建立的模型诊断性能.资料与方法 回顾性收集兰州大学第二医院 2016 年 6 月—2021 年 6 月经手术病理证实的 230 例HGGs和 111 例BMs的T2WI及T1WI对比增强(T1C)影像资料,预先勾画出三维模型下的感兴趣区体积作为输入数据,以 7∶3 随机分为训练集 254 例和验证集 87 例,基于 3D-DenseNet分别构建T2WI、T1C及两种序列融合的预测模型(T2-net、T1C-net和TS-net),通过受试者工作特征曲线评价各模型的预测效能并进行比较.结果 T1C-net、T2-net和TS-net在训练集和验证集的曲线下面积(AUC)分别为0.852、0.853,0.802、0.721,0.856、0.745.T1C-net在验证集的AUC及准确度高于T2-net和TS-net,TS-net在验证集的AUC及准确度高于T2-net,T1C-net与T2-net在验证集的AUC差异有统计学意义(P<0.05),而TS-net与T2-net、T1C-net与TS-net的AUC差异无统计学意义(P>0.05).基于 3D-DenseNet的T1C-net模型性能最优,验证集的准确度为 80.5
作者：张斌；黄陈翠；薛彩强；李昇霖；周俊林
来源：中国医学影像学杂志 2024 年 32卷 2期
