来源：期刊VIP网 时间：
作者：韩诗;孙嫣聪;牛永超;谢北辰;王帅娜;柴亚欣;段金辉;王红坡;程妤婕;闫瑞芳;
单位：河南医药大学第一附属医院磁共振科;新乡市中心医院磁共振科;
摘要：目的 探讨基于扩散加权成像（diffusion-weighted imaging, DWI）、脂肪抑制T2加权成像（fat-suppressed T2-weighted imaging, T2-FS）和T1加权对比增强成像（T1-weighted contrast-enhanced imaging, T1CE）多参数MRI构建的深度学习（deep learning, DL）模型在预测直肠癌术前肿瘤沉积（tumor deposit, TD）状态中的价值。材料与方法 回顾性分析了321例来自两个中心行全直肠系膜切除术并经病理证实为直肠腺癌患者的资料。根据患者的病理结果分为TD阳性组（n=81）和TD阴性组（n=240）。将中心1的患者（n=273）按照8∶2的比例随机分为训练集和测试集，将中心2的患者（n=48）作为外部验证集。利用ResNet18 DL网络，构建DWI-DL模型、 T2-FS-DL模型、 T1CE-DL模型及组合-DL模型。绘制受试者工作特征（receive operating characteristic, ROC）曲线，计算曲线下面积（area under the curve, AUC），评估各个DL模型的预测性能。结果 在单序列模型中，T1CE-DL模型在训练集、测试集及外部验证集中的AUC分别达0.842[95%置信区间（confidence interval, CI）:0.808～0.891]、 0.792(95%CI:0.752～0.828)和0.747(95%CI:0.700～0.777)，预测性能优于T2-FS-DL和DWI-DL模型；T2-FS-DL模型的AUC分别为0.805(95%CI:0.774～0.843)、0.766(95%CI:0.724～0.801)和0.725(95%CI:0.690～0.767);DWI-DL模型的AUC分别为0.801(95%CI:0.753～0.832)、0.745(95%CI:0.703～0.775)和0.747(95%CI:0.702～0.779)。组合-DL模型的AUC最高，达到0.909(95%CI:0.877～0.956)、0.875(95%CI:0.834～0.919)和0.816(95%CI:0.767～0.852)，且显著优于其他三个单序列模型的诊断性能（DeLong检验，均P<0.05）。结论 组合-DL模型对于直肠癌患者术前TD状态具有良好的预测价值，且泛化能力良好。
关键词：直肠癌;;深度学习;;多参数磁共振成像;;肿瘤沉积;;预测模型;;外部验证;;可解释性
基金资助：河南省高等学校重点科研项目（编号：24B320017）~~
