资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
◇ 中华系列
文章类型：
机构：
[1]中国医科大学附属第一医院神经外科,沈阳110001
[2]大连民族大学计算机科学与工程学院,大连116600
[3]大连理工大学软件学院 国际信息与软件学院,大连116620
[4]大连理工大学-立命馆大学健康医疗智能计算联合研究中心,大连116620
[5]中山大学生物医学工程学院 广东省传感技术与生物医疗仪器重点实验室,深圳518107
出处：
ISSN：
关键词：
中枢神经系统肿瘤
诊断
鉴别
淋巴瘤
胶质母细胞瘤
脑转移瘤
深度学习
摘要：
目的 构建基于MRI T1加权增强序列的预训练深度学习神经网络模型,并验证其鉴别诊断原发性中枢神经系统淋巴瘤(PCNSL)、胶质母细胞瘤(GBM)、脑转移瘤(BM)的效能.方法 回顾性分析2015年1月至2022年6月于中国医科大学附属第一医院神经外科行手术治疗、术后经病理学检查确诊为PCNSL、GBM、BM的患者.按筛选标准共纳入149例,其中PCNSL 43例、GBM 62例、BM 44例,随机划分为训练集和测试集.获取影像学数据后采用Slicer软件勾画感兴趣区域并进行预处理,基于EfficientNetV2构建深度学习神经网络模型,使用迁移学习方法在ImageNet上进行预训练和微调后,分别于训练集、测试集上训练和验证模型,计算其鉴别3种疾病的准确率、精确率、召回率(灵敏度)、特异度、Fl分数,并绘制受试者工作特征(ROC)曲线,计算ROC曲线下面积(AUC)以评估其诊断效能.结果 应用该模型总的诊断准确率为89.4％,平均AUC为0.96;该模型被用于鉴别诊断PCNSL、GBM、BM的灵敏度分别为 0.893、0.936、0.778,特异度分别为 0.996、0.877、0.955,F1 分数分别为 0.940、0.900、0.778,AUC(95％CI)分别为 0.98(0.946～0.997)、0.96(0.932～0.986)、0.95(0.905～0.980).结论 初步研究表明,本研究建立的预训练深度学习神经网络模型对PCNSL、GBM、BM有较优异的诊断效能.
第一作者：
第一作者机构：
[1]中国医科大学附属第一医院神经外科,沈阳110001
通讯作者：
推荐引用方式(GB/T 7714)：
王俊康,王率伊,刘济源,等.预训练深度学习神经网络模型在鉴别中枢神经系统肿瘤中的应用价值[J].中华神经外科杂志.2024,40(4):378-384.
