基于T2W磁共振影像的ResNet模型构建在膀胱癌分级和分期双目标预测中的应用研究

目的:基于T2加权像(T2W)磁共振成像(MRI)的残差网络(ResNet)建立膀胱癌分级和分期双目标深度学习预测模型,为术前准确预测膀胱癌组织病理学分级、分期和辅助临床医生制定手术方案与术后随访策略提供依据.方法:建立膀胱癌分级和分期双目标深度学习预测模型,收集在医院就诊的75例患者的842幅肿瘤组织常规T2W-MRI影像,按照每例患者的所有影像为最小集合(患者级)分类,以防止过拟合,使用裁剪及滤波等手段进行数据集的扩充,并以ResNet结合非局部(Non-Local)注意力机制学习模型基础结构,模型尾部经分叉改造,分别添加额外的卷积层,对膀胱肿瘤同时进行分级和分期预测.结果:训练集扩充为原来5倍,经过迭代训练,模型的分级预测准确率为79％,分期预测准确率为82％.结论:建立的膀胱癌分级和分期双目标深度学习预测模型,采用端对端的预测模式,与传统的筛选特征方式相比,能够准确预测膀胱肿瘤的分级和分期,具有重要的临床应用价值.