深度学习和磁共振黑血血栓成像可用于下肢深静脉血栓分期预测
段丽芬1
叶裕丰1
陈秋梅2
郭广源1
黄益3
1.广州医科大学附属番禺中心医院 放射科,广东 广州 5114002.广州市番禺区妇幼保健院超声科,广东 广州 5114993.广州医科大学附属番禺中心医院 微创介入科,广东 广州 511400
摘要：目的 基于深度学习和磁共振黑血血栓成像(BTI)构建下肢深静脉血栓(DVT)的分期预测模型,并探讨其分期预测性能.方法 回顾性收集2015年11月～2022年7月在广州市番禺区中心医院检查的196例患者的检查信息和BTI图像信息,随机性将数据集划分为3个部分:训练集占约70%(n=136),验证集与测试集各约占15%(n=30).手动对实验组图像进行人工勾画矩形框,然后将对应的病变区域最小外接矩形框进行裁剪、统一尺寸、切片并输入深度学习模型中,基于ResNet50、ViT和EfficientNet构建3个下肢DVT分期预测模型,计算准确率、曲线下面积评估其预测性能.结果 ResNet50、ViT和EfficientNet-b0在测试集上的准确度分别为0.693、0.733、0.787,EfficientNet-b0在测试集上展现出了最优的分类性能;在急性期、亚急性期及慢性期的曲线下面积分别为0.700(0.568～0.811)、0.778(0.652～0.875)、0.850(0.737～0.914).结论 结合磁共振黑血血栓成像图像,利用深度学习预测模型在DVT分期预测中具有一定的应用价值,这为DVT的精准分期提供了一个有效的技术路径.
关键词：深度学习磁共振成像下肢深静脉血栓血栓分期
资助基金：广东省医学科研基金(A2024625)广州市科技计划项目(202201011638)广州市番禺区科技计划项目(2022-Z04-006)
论文发表日期：2024-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1335-1340 )
英文信息