基于双回波Dixon脂相图的3D-ResNet模型在脂肪性肝病分级诊断中的应用
李亚光1
侯瑞鸿1
李响1
母建奎1
王强2
王勇1
雷立存3
1.河北医科大学第一医院 放射与核医学科,石家庄 0500002.河北医科大学第一医院 胸外科,石家庄 0500003.河北医科大学第一医院 放射与核医学科,石家庄 050000;河北医科大学医学影像学院,石家庄 050000
摘要：目的:以肝脏磁共振质子密度脂肪分数(MRI-PDFF)为参考标准,构建基于MRI双回波Dixon脂相图的 3D-ResNet模型,探讨深度学习模型在脂肪性肝病分级诊断中的应用价值.材料与方法:前瞻性纳入 132例受试者行肝脏MRI双回波及多回波Dixon序列扫描,经MRI-PDFF确诊脂肪性肝病的患者 94例,无脂肪性肝病受试者 38例.评价双回波及多回波Dixon两种序列脂相图中不同肝叶图像的一致性,选定勾画感兴趣区(ROI)的肝叶.选取双回波Dixon序列脂相图勾画圆形感兴趣区,测量多回波Dixon序列同部位的PDFF值作为脂肪性肝病分级的参考标准.共纳入3 104个ROI,其中Grade 0(正常)组1 026个ROI,Grade 1(轻度)组1 042个ROI,Grade 2/3(中重度)组 1 036个ROI.建立基于双回波Dixon序列脂相图的 3D-ResNet模型,优化模型权重参数以及防止过拟合;使用测试数据集评估模型最终表现,应用受试者操作特征曲线、精确率-召回率曲线评估模型的性能,并计算曲线下面积(AUC)、平均精准度(AP)、准确率、精确率、召回率、特异度、F1分数.结果:基于磁共振双回波Dixon脂相图的 3D-ResNet模型识别正常、轻度及中重度肝脏脂肪肝的宏平均AUC为0.971,均值AP为0.943,准确率为88.60%,加权F1分数为88.65%.结论:基于双回波Dixon脂相图的3D-ResNet模型在脂肪性肝病分级诊断中具有较高的准确率与鲁棒性,可作为评估肝脏脂肪变性程度的筛查手段.
关键词：肝脏脂肪变性深度学习双回波Dixon脂相图质子密度脂肪分数
分类号：R445.3(诊断学)TP18(自动化基础理论)
资助基金：河北省医学科学研究课题(20240866)
论文发表日期：2026-03-31
在线出版日期：2026-04-02（本平台首次上网日期，不代表文献的发表时间）
页数：9( 388-396 )
英文信息