磁共振图像利用深度学习进行腮腺肿瘤病理亚型识别的可行性分析
王艳
田慧
洪悦
李辉
新疆维吾尔自治区人民医院放射影像中心 新疆 乌鲁木齐 830001
摘要：目的 探讨基于MRI T2WI、DWI、增强T1WI的多模态图像,利用深度学习自动识别腮腺肿瘤病理类型,通过与病理结果对照评判机器学习的效能.方法 选取经病理证实的 39 例腮腺肿瘤患者,其中多形性腺瘤 9 例,Warthin瘤13 例,恶性肿瘤 6 例,其他非肿瘤病变 11 例.MRI经标准化处理后通过 2D U-NET网络对肿瘤类型进行鉴别,对比单通道T2 图像、多通道T2、DWI和增强T1 图像输入对肿瘤亚型的分类效果.其中 29 例的 434 层图像为训练集,10 例的 156层图像为测试集.采用准确率、敏感度、特异度、F1 分数、准确度等指标评估病理分类效能.结果 采用T2 单通道输入训练时,对Warthin瘤的鉴别具有最高的F1 分数 59.2%、敏感度为 51.1%和准确度为 70.3%,多形性腺瘤次之.通过常规T2、DWI和增强T1 图像对Warthin瘤鉴别的敏感度、准确度、F1 分数分别为 79.5%、70.0%、74.5%,而判断多形性腺瘤的敏感度、特异度分别为 46.2%、81.5%.结论 通过腮腺肿瘤MRI,利用深度学习能有效识别Warthin瘤,多模态图像结合能提高Warthin瘤、多形性腺瘤识别的敏感度.
关键词：头颈部腮腺肿瘤深度学习磁共振成像
分类号：R739.87(口腔、颌面部肿瘤)R445.2(诊断学)
资助基金：新疆维吾尔自治区自然科学基金(2019D01C114)
论文发表日期：2024-07-28
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：4( 9-12 )
英文信息