目的:基于深度学习,利用T2加权成像(T2WI)序列的高分辨特性获得宫颈癌淋巴结的结构信息,并预测淋巴结是否转移;利用弥散加权成像(DWI)序列的功能特性,获取淋巴结区域,并预测淋巴结是否转移;综合多模态MRI数据,预测淋巴结是否转移.方法:收集2021年6月至2022年5月年新疆维吾尔自治区人民医院收治的52例宫颈癌患者的多参数MRI影像数据以及病理检查数据作为训练集,另收集2022年6月至2023年5月新疆维吾尔自治区人民医院收治的150例宫颈癌患者多参数MRI影像数据以及病理检查数据作为验证集.训练集52例宫颈癌患者均接受MRI扫描,扫描序列包括T2WI和DWI序列.对训练集52例宫颈癌患者的多参数MRI影像学图像进行非均匀性校正和标准化的预处理后,通过渐进演化空洞卷积对T2WI图像进行分割,在扩大感受野的同时,有效降低空洞对图像丢失的影响;通过基于注意力网络机制的深度学习模型引导网络在预测时更关注淋巴结区域,并为预测结果提供一定程度的解释性;通过多模态协同学习模型实现T2WI和DWI序列在淋巴结性质预测任务之间的经验共享.采用验证集患者的图像资料对基于多模态协同学习模型的淋巴结转移预测模型进行验证.结果:验证集150例患者中良性淋巴结585枚,恶性淋巴结65枚,其良恶性淋巴结在大小(长径、短径)和边界上存在差
作者：王佳；牛俊巧；李晓娟；刘焱
来源：中国医学装备 2024 年 21卷 4期
