换一批不同深度学习模型在肺癌气腔播散预测中的应用及效果评估
Application and effect evaluation of different deep learning models in predicting lung cancer spread through air spaces
摘要目的 探讨不同深度学习模型对预测肺癌气腔播散(STAS)的应用价值.方法 纳入Ⅰ～Ⅱ期原发性肺癌患者203例,其中STAS阳性74例,阴性129例.按7∶3的比例随机分为训练集(142例)和测试集(61例).使用ITK-SNAP软件勾画感兴趣区(ROI),裁剪出肿瘤及瘤周图像.分别使用Resnet18、Inception_v3和Vision Transformer(Vit)进行模型训练,并提取特征.特征筛选使用最小绝对收缩和选择算子(LASSO)算法和Spearman相关系数,最终使用Naive Bayes机器学习算法建立预测模型.通过绘制受试者工作特征(ROC)曲线,比较各模型的预测效能.校准度的评估使用校准曲线,临床应用价值的评估采用决策曲线分析(DCA).结果 训练集和测试集的曲线下面积(AUC)分别为:训练集Resnet18 0.849～0.930,Inception_v3 0.848～0.888,Vit 0.747～0.842;测试集 Resnet18 0.796～0.846,Inception_v3 0.783～0.804,Vit 0.690～0.796.在肿瘤-瘤周图像中,Resnet18 的校准度较高且临床净效益较好,而在肿瘤组织图像中,Vit表现出更优的校准度和临床净效益.结论 深度学习模型能有效预测肺癌STAS,为术前Ⅰ～Ⅱ期肺癌的诊疗提供更多决策支持.
更多相关知识
关键词
肺癌深度学习卷积神经网络Vision Transformer气腔播散lung cancerdeep learningconvolutional neural networkVision Transformerspread through air spaces
栏目名称
DOI
10.3969/j.issn.1002-1671.2025.08.012
发布时间
2025-09-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
邢台市重点研发计划自筹项目（2024ZC106）
- 浏览9
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
