基于2.5D卷积神经网络模型鉴别高级别胶质瘤与单发脑转移瘤

作者：张斌; 黄陈翠; 薛彩强; 周俊林^*

来源：兰州大学学报(医学版), 2022, 48(08): 23-27.

DOI：10.13885/j.issn.1000-2812.2022.08.005

• 高级别胶质瘤
• 脑转移瘤
• 磁共振成像
• 深度学习

目的 探讨基于磁共振成像的2.5D卷积神经网络模型术前鉴别诊断高级别胶质瘤（HGGs）与单发脑转移瘤（BMs）的价值。方法 回顾性分析2016年6月-2021年6月兰州大学第二医院经手术病理证实的230例HGGs和111例BMs的T2WI及T1WI对比增强（T1C）图像，预先勾画出2.5D模型下肿瘤区域的感兴趣区，基于ResNet-152卷积神经网络在2.5D维度下分别构建T2WI、T1C及两种序列融合的预测模型，通过受试者操作特征曲线评价模型预测效能。结结果 T1C-net模型在训练集和验证集的曲线下面积分别为0.789、0.738,T2-net模型的分别为0.757、0.716,TS-net模型的分别为0.744和0.696。结论 基于磁共振成像常规序列的2.5D ResNet模型可以鉴别HGGs和BMs,T1C-net模型性能更好，可以成为鉴别二者并指导临床制定精准化治疗方案的潜在工具。

• 单位
  兰州大学第二医院; 第二临床医学院; 兰州大学