使用深度学习方法对前列腺双参数MRI图像自动甄别的外部验证研究
目的 使用外部数据验证前列腺双参数磁共振成像(bpMRI)图像序列甄别模型的泛化性能.方法 回顾性搜集2018 年1 月至2021 年2 月前列腺bpMRI影像,匿名化后使用既往训练好的Med3D多分类模型对各个序列进行分类.以医师做出的序列分类为"金标准",研究Med3D多分类模型对外部数据分类的准确率.使用混淆矩阵显示多分类预测结果,使用PYCM包进行多分类诊断效能分析.结果 563 例病例的合格bpMRI数据纳入研究,使用了5 台MR扫描仪,其中97.2%使用3.0TMR检查,2.8%使用1.5TMR检查.格式转换后,共5209 个合格图像序列可用于模型预测,包括1063 个ADC、1691 个DWI_High(b>50 s/mm2)、709 个DWI_Low(b≤50 s/mm2)、750 个T2 WI_nan和996 个T2 WI_Fs序列.ADC、DWI_High、DWI_Low、T2WI_Fs、T2WI_nan等各个序列的预测准确率分别为98.5%、98.1%、97.2%、99.1%和99.8%.结论 使用外部数据验证显示Med3D多分类模型对前列腺bpMRI图像分类具有很高的准确率,泛化能力强.
前列腺、双参数磁共振成像、深度学习、分类、序列
42
TP391.41;TN911.73;R737.25
河北省医学科学研究课题计划项目20231889
2023-09-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
1292-1297