换一批
换一批基于深度学习融合T2 WI和DCE-MRI模型在乳腺病变分类中的应用
Application of Deep Learning Model Fusion of T2WI and DCE-MRI in Breast Lesion Classification
摘要目的 开发一种深度学习融合多模态磁共振影像神经网络模型,用于乳腺病变的分类,以协助临床医师更好地选择治疗方案.方法 纳入325例接受乳腺MRI检查的患者.并根据病理结果,为每例患者的图像添加标签.然后,将所有患者的图像以7∶1∶2随机分为训练集、验证集和测试集,利用卷积神经网络(CNNs)提取的T2WI图像和动态对比增强磁共振成像(DCE-MRI)的特征进行融合,分别建立Vgg16和Resnet18的以下模型:T2+DCE模型、T2模型和DCE模型.通过受试者工作特征曲线(ROC)曲线下面积(AUC)、准确率、敏感度、特异度、阳性预测值和阴性预测值评估模型的性能.P＜0.05为差异有统计学意义.结果 本研究建立的六个模型表现良好.在Vgg16网络中,T2+DCE模型、T2模型和DCE模型的AUC分别为0.98、0.70和0.85.Vgg16组内的两两比较P均＜0.001.在Resnet18网络中,T2+DCE模型、T2模型和DCE模型的AUC分别为0.98、0.63和0.94.Res-net18组内的两两比较P均＜0.001.结论 利用深度学习神经网络融合乳腺MRI的T2WI和DCE-MRI特征的模型可以有效提高乳腺病变的诊断效能.
更多相关知识
栏目名称
乳腺影像学
发布时间
2024-11-21
基金项目
河北省自然科学基金
- 浏览10
- 被引0
- 下载6
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
