基于多序列MRI的3D关系注意力网络预测HLA-B27阴性中轴性脊柱关节病

作者：邹青清; 王梦虹; 陆紫箫; 赵英华; 冯前进

来源：南方医科大学学报, 2023, 43(11): 1955-1964.

DOI：10.12122/j.issn.1673-4254.2023.11.17

• 中轴性脊柱关节病诊断
• HLA-B27阴性
• 磁共振成像
• 3D多序列关系注意力机制
• 混合损失

目的 建立一种新的3D多序列关系注意力网络，通过探索不同磁共振成像（MRI）序列图像的互补和相关信息，提升对人类白细胞抗原（HLA）-B27阴性中轴性脊柱关节病（axSpA）的诊断性能。方法 回顾性收集2010年1月～2021年8月南方医科大学第三附属医院（TAH组）的375例和南海医院（NHH组）的49例HLA-B27阴性参与者（TAH组：164例axSpA,211例非axSpA;NHH组：27例axSpA,22例非axSpA）的两种参数MRI，包括T1加权图像（T1WI）和压脂序列MRI(FS-MRI)，以及相关临床数据。提出一个基于多序列MRI的3D关系注意力网络MSFANet，实现对HLA-B27阴性axSpA与非axSpA的自动鉴别诊断。MSFANet由一个浅层共享特征模块和一个类感知特征学习模块组成，其中类感知特征学习模块采用3D多序列关系注意力机制对多序列MRI特征进行细化和融合。提出一种混合损失函数，通过学习不同支路的损失权重系数来提升MSFANet对序列特征的识别能力，从而增强分类性能。结果 实验结果表明，MSFANet优于其它几种最先进的多序列融合算法，其中内部验证集上的AUC、准确度、敏感度和特异度分别达到了0.840,77.93%,83.70%和70.29%，独立外部验证集（NHH）上的上述性能分别达到了0.783,74.47%,82.43%和70.40%。各项差异均具有统计学意义（P<0.05）。此外，消融实验显示，相同框架下，MSFANet的性能优于基于单序列MRI的模型，证实了融合多序列MRI的有效性和必要性。深度可视化技术显示MSFANet在分类过程中集中于学习图像异常区域的信息。结论 本研究成功构建基于多序列MRI的3D深度神经网络对HLA-B27阴性axSpA和非axSpA进行鉴别诊断，并验证了采用多序列关系注意力机制对提升网络分类性能的有效性。

• 单位
  生物医学工程学院; 省骨科医院; 南方医科大学; 南方医科大学第三附属医院