基于多模态超声图像的深度学习在鉴别诊断肝内胆管细胞癌与肝细胞癌中的应用

作者：曹佳智; 任佑祥; 陈科; 林江莉; 黄河; 李加伍; 凌文武^*; 罗燕

来源：西部医学, 2023, 35(06): 916-922.

DOI：10.3969/j.issn.1672-3511.2023.06.025

• 肝内胆管细胞癌
• 肝细胞癌
• 多模态超声
• 深度学习
• 卷积神经网络

目的 探讨基于单独二维超声图像(B-mode)、超声造影(CEUS)图像、联合B-mode及CEUS图像所构建的不同卷积神经网络(CNN)模型对鉴别诊断肝内胆管细胞癌(ICC)与肝细胞癌(HCC)的能力。方法 回顾性分析2011年1月—2018年5月在四川大学华西医院超声科进行肝脏占位性病变超声检查的病例，对所纳入的病例超声图像进行肿瘤范围感兴趣区标记、数据增强后，根据3种不同组合方式的图像输入进行CNN模型训练，从而建立鉴别诊断ICC与HCC的不同预测模型，并对模型的诊断效能进行评价。结果 最终共有305例ICC和945例HCC被纳入研究，共计超声图像7427幅。结果显示，基于单独B-mode图像所建立的CNN模型诊断效能均较低，其中VGG16的诊断效能相对较高，优于其它两个模型(P<0.05),ROC曲线下面积(AUC)为0.672。基于CEUS图像的多图VGG和多图Inception预测模型对鉴别ICC与HCC的AUC分别为0.941和0.934 (P=0.803),准确性分别为87.0%和89.0%,与基于联合B-mode及CEUS图像的两种CNN模型诊断效能相近(P>0.05)。结论 基于多模态超声图像所建立的CNN模型能较好的用于鉴别诊断ICC与HCC。

• 单位
  四川大学华西医院; 四川大学