来源：期刊VIP网 时间：
作者：易芹芹;王颖;邹思思;龚静山;
单位：深圳市人民医院(暨南大学第二临床医学院,南方科技大学第一附属医院)放射科;深圳市第二人民医院放射科;
摘要：目的评估超分辨率重建技术是否能提高基于T2WI图像的深度学习预测子宫内膜癌淋巴脉管间隙浸润（lymphvascular space invasion, LVSI）的诊断效能。材料与方法 回顾性纳入406例病例，按照8∶2随机划分为训练集（n=325例）和验证集（n=81例）。我们对常规盆腔矢状位T2WI图像进行超分辨率重建，得到超分辨率T2WI(super high resolution T2WI, SRT2)图像。分别基于常规T2WI及SRT2图像进行深度学习建模，以预测子宫内膜癌LVSI状态。随后，在验证集中对两组图像构建的模型进行验证，对比两个模型在训练集及验证集的诊断效能。以病理诊断为金标准，评估指标包括：曲线下面积（area under the curve, AUC），敏感度、特异度，并采用DeLong检验比较模型差异。结果 在训练集及验证集中，基于常规T2WI图像的深度学习模型AUC(95%置信区间)分别为0.792(0.733～0.851)、0.759(0.649～0.870)，敏感度分别为77.50%、68.18%，特异度分别为77.08%、80.67%；基于SRT2图像的深度学习模型AUC(95%置信区间)分别为0.897(0.852～0.943)、0.899(0.819～0.980)，敏感度分别为87.80%、86.40%，特异度分别为88.45%、89.20%。两个模型在训练集及验证集中的差异均有统计学意义（P<0.05），基于SRT2的深度学习模型表现更优。结论 超分辨率重建技术有望通过提高图像质量进而提升深度学习术前预测子宫内膜癌LVSI的诊断效能。
关键词：子宫内膜癌;;深度学习;;超分辨率重建;;磁共振成像;;淋巴血管浸润;;影像组学;;术前预测
基金资助：深圳市科技计划项目（编号：JCYJ20230807112009019）~~
