科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 设计一种融合多模态图像深度学习模型CNN-Vi T，诊断弥漫性大B细胞淋巴瘤（DLBCL）骨髓受累。资料与方法回顾性收集2012年11月—2022年6月福建省立医院经病理证实的DLBCL 78例，其中无骨髓受累46例，有骨髓受累32例，所有患者在化疗前均行全身18F-FDGPET/CT检查、骨髓穿刺细胞涂片和（或）骨髓活检。选取骨盆区域PET及CT图像共9 828张。将上述数据按7∶1∶2随机分为训练集6 858张、验证集982张和测试集1 988张。结合传统的卷积神经网络（CNN）和Vision-Transformer(ViT)模型设计CNN-ViT模型，分别提取PET和CT图像特征，预测骨髓受累情况。使用测试集的混淆矩阵和损失函数的变化、准确度、敏感度、特异度和F1＿score评价模型的性能。结果 CNN-Vi T模型诊断DLBCL骨髓受累的准确度、特异度、敏感度和F1＿score分别为0.988、0.971、0.997、0.987。结论 CNN-Vi T模型可以准确评估DLBCL骨髓受累情况。
-
单位福建医科大学; 福建省立医院; 宁德师范学院
