| 刘彦君，李娇娇，阴焕盈，成辉，崔书君.基于增强CT的深度学习联合模型术前预测卵巢癌腹膜转移[J].放射学实践,2026,41(04):435-440 |
| 基于增强CT的深度学习联合模型术前预测卵巢癌腹膜转移 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2026.04.013 |
| 中文关键词: 卵巢癌 腹膜转移 深度学习 体层摄影术，X线计算机 决策曲线分析 |
| 基金项目:河北省自然精准医学创新发展联合基金重点项目（H2025405026）；河北省自然科学基金资助项目（H2025405026） |
|
| 摘要点击次数: 462 |
| 全文下载次数: 552 |
| 中文摘要: |
| 【摘要】目的：构建并比较临床模型、Vgg16模型、ResNet18模型及联合临床和深度学习（DL）特征的联合模型对卵巢癌（OC）腹膜转移（PM）状态的预测效能，旨在探讨深度学习联合模型在术前预测OC患者发生PM方面的应用价值。方法：回顾性纳入2020年1月－2024年10月在本院经病理证实为OC的296例患者的临床及CT资料。按照7∶3的比例将患者随机分为训练集和测试集。在门静脉期增强图像中选取肿瘤最大层面沿病灶边缘勾画ROI，利用Vgg16和ResNet18网络分别提取肿瘤的深度学习（DL）特征，运用最小绝对收缩和选择算子（LASSO）进行特征的筛选，构建DL模型并计算得到DL评分（DL-score）。采用多因素logistic回归分析联合临床特征及两种DL模型的DL-score构建联合模型。采用受试者工作（ROC）曲线、校准曲线及决策曲线分析（DCA）评估模型的预测效能。结果：自Vgg16和ResNet18网络提取的DL特征中分别筛选出13个和10个最优特征，分别构建相应的DL模型并计算DL评分。多因素logistic回归结果显示CA125、两种DL模型的DL评分为预测PM的独立预测因子。临床模型、Vgg16模型、ResNet18模型和联合模型在测试集中的AUC分别为0.591、0.860、0.917和0.938，以联合模型的预测效能最佳，其中临床模型、Vgg16模型与联合模型之间AUC的差异均具有统计学意义（P<0.05）。结论：联合临床特征和DL特征构建的联合模型在术前预测OC患者PM时具有较高的效能。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
