来源：期刊VIP网 时间：
作者：李生虎;李建华;潘祥;夏鹏;
单位：无锡市中医医院放射科;江南大学人工智能与计算机学院;
摘要：目的 本研究整合MRI影像组学与深度学习技术构建分类模型，实现对存在滑膜炎的骨关节炎（osteoarthritis, OA）与类风湿关节炎（rheumatoid arthritis, RA）的精准预测。材料与方法 通过回顾性分析2018年1月至2024年12月在无锡市中医医院完成膝关节MRI检查并被诊断为OA或RA的患者数据，依据纳入与排除标准筛选出符合条件的MRI数据并建立数据集。针对医学影像小样本学习挑战，构建基于模型无关元学习（model-agnostic meta-learning, MAML）的改进ResNet3D-18模型，通过MAML实现小样本场景下的快速任务适应，提升分类性能。运用三维梯度加权类激活映射（gradient-weighted class activation mapping, Grad-CAM）热力图对预测结果进行进一步解释。隐去患者临床信息后，两名医师独立完成MRI人工分类，结果协商统一。使用五折交叉验证评估分类模型性能。结果 纳入56例RA患者（60个膝关节）、56例OA患者（61个膝关节）建立数据集。在有限样本条件下，模型在单模态分类中，T1WI（准确率86.2%、曲线下面积0.914）较T2WI（准确率82.8%、曲线下面积0.875）效果更优；在T1WI和T2WI融合后的多模态分类模型表现出最佳的分类效果（准确率97.5%、曲线下面积0.975），甚至要高于人工分类结果（准确率94.2%、曲线下面积0.932）。Grad-CAM热力图示模型的关注模式与两种疾病临床病理特点高度一致。结论 将MRI影像组学与深度学习相结合，构建的分类模型通过MAML策略有效克服了训练数据不足的限制，能够对膝关节存在滑膜炎的OA与RA进行准确且可靠的预测。为临床早期诊断、个性化治疗及预后评估提供了新的技术支持与理论依据。
关键词：类风湿关节炎;;人工智能;;深度学习;;磁共振成像;;滑膜炎;;元学习;;多模态融合
基金资助：无锡市科技发展资金项目(编号：Y20232024)~~
