首页 > 中国医学影像学杂志 > 基于双参数MRI深度学习和影像组学模型预测ISUP≥3前列腺癌

基于双参数MRI深度学习和影像组学模型预测ISUP≥3前列腺癌

Prediction of International Society of Urological Pathology≥3 Group in Prostate Cancer Based on Biparametric MRI Deep Learning and Radiomics Model

二维码有效期 120s

摘要目的探索基于双参数MRI深度学习和影像组学方法联合临床资料预测国际泌尿病理协会(ISUP)≥3前列腺癌(PCa)的价值.资料与方法回顾性分析2020年5月—2024年8月芜湖市第二人民医院184例PCa患者的临床和MRI资料,根据穿刺或手术病理结果将患者分为ISUP≥3组与ISUP≤2组,并按照7:3随机分为训练集与测试集.基于T2WI、扩散加权成像和表观扩散系数采用注意力3D卷积神经网络构建深度学习模型,应用影像组学软件筛选出最佳特征,使用多种机器学习分类器构建影像组学模型,通过单因素及多因素Logistic回归分析筛选临床独立危险因素;运用二元Logistic回归分析深度学习模型概率输出值、影像组学评分和临床独立危险因素,分别构建临床-深度学习模型和临床-影像组学模型.绘制受试者工作特征曲线评估各模型预测ISUP≥3组PCa的效能.结果深度学习模型和影像组学模型在训练集和测试集的曲线下面积分别为0.806、0.836和0.863、0.846,测试集2种模型诊断效能差异无统计学意义(Z=0.162,P=0.871);临床-深度学习模型、临床-影像组学模型在训练集和测试集的曲线下面积分别为0.848、0.858和0.890、0.880,均高于单纯模型(Z=-0.179、P=0.858,Z=-1.299、P=0.194).结论基于双参数MRI临床-深度学习模型和临床-影像组学模型均能有效预测PCa ISUP≥3,可辅助临床医师选择合适的治疗方法及评估预后.

作者丁振伟 ^[1] 易音巧 ^[2] 黄国权 ^[3] 王可武 ^[4] 学术成果认领

作者单位华东师范大学附属芜湖医院(芜湖市第二人民医院)医学影像科,安徽芜湖 241001 ^[1] 华东师范大学上海磁共振重点实验室,上海 200062 ^[2] 南京大学医学院附属南京国际医院医学影像科,江苏南京 210019 ^[3] 华东师范大学附属芜湖医院(芜湖市第二人民医院)肿瘤内科,安徽芜湖 241001 ^[4]

关键词前列腺肿瘤磁共振成像国际泌尿病理协会分组人工智能深度学习影像组学预测 Prostate neoplasms Magnetic resonance imaging International Society of Urological Pathology group Artificial intelligence Deep learning Radiomics Forecasting

分类号 R445.2（诊断学）R737.25（泌尿生殖器肿瘤）TP181

栏目名称

人工智能多模态影像前沿

DOI 10.3969/j.issn.1005-5185.2026.06.006

发布时间 2026-07-10（万方平台首次上网日期，不代表论文的发表时间）