来源：期刊VIP网 时间：
作者：汤玉晨;华红利;王燕;陶泽璋;
单位：武汉大学人民医院耳鼻咽喉头颈外科;武汉大学人民医院耳鼻咽喉头颈外科研究所;
摘要：目的:基于常规MRI开发一种深度学习模型用于实现鼻咽癌(nasopharyngeal carcinoma, NPC)与鼻咽部淋巴瘤(nasopharyngeal lymphoma, NPL)的自动分割及鉴别诊断。方法:回顾性收集于武汉大学人民医院行MRI检查的142例NPL及292例NPC患者的资料，应用分割模型对患者影像进行分割，获取对应病损区域并建立T1WI、T2WIT、T1CE及T1WI+T2WI数据库。使用分类模型对4种数据库进行训练。应用DICE指数评估分割模型效果，对于分类模型及临床医生诊断的效能使用ROC曲线、ROC曲线下面积(area under curve, AUC)等进行评估，引入梯度加权类激活图用于实现模型可视化。结果:分割模型在测试集中的DICE系数为0.876。分类模型在测试集上T1WI、T2WI、T1CE、T1WI+T2WI模型诊断的AUC值分别为0.78(95%CI 0.67～0.81),0.75(95%CI 0.72～0.86),0.84(95%CI 0.76～0.87),0.93(95%CI 0.85～0.94),初级医师的AUC值分别为0.77(95%CI 0.72～0.82),高级医师诊断的AUC值为0.84(95%CI 0.80～0.89)。Grad-CAM显示肿块中心区域对模型分类的判断相关性较高，而边缘区域的相关性相对较低。结论:该DL模型在基于MRI鉴别NPC与NPL的任务中表现良好，其中T1WI+T2WI的组合模型性能最佳。
关键词：鼻咽癌;;鼻咽部淋巴瘤;;深度学习;;核磁共振成像
基金资助：国家自然科学基金面上项目(No:81870705)
