来源：期刊VIP网 时间：
作者：曾靖童;韦丽艳;陈圆圆;梁樱子;陈姮霏;廖新红;
单位：广西医科大学第一附属医院超声科;
摘要：目的 建立基于肺超声造影深度学习特征联合临床特征的综合模型，预测周围型非小细胞肺癌表皮生长因子受体基因突变状态。资料与方法 回顾性收集2021年7月—2024年2月广西医科大学第一附属医院经穿刺活检病理确诊的117例非小细胞肺癌患者，按照8∶2随机分为训练集93例、测试集24例。选择肺超声造影病灶达峰时相勾画感兴趣区，利用不同深度学习卷积神经网络对数据进行预训练，选择最优的ResNet18提取深度学习特征。基于朴素叶贝斯算法构建深度学习模型、临床模型及综合模型。采用受试者工作特征曲线、校准曲线评估综合模型的价值，类激活映射图及Shapley加法解释值对深度学习模型进行解释性可视化。结果 训练集中，深度学习模型、临床模型、综合模型曲线下面积分别为0.93(95%CI 0.88～0.98)、0.81(95%CI 0.72～0.90)、0.91(95%CI 0.85～0.97)；测试集中分别为0.86(95%CI 0.68～1.00)、0.56(95%CI 0.33～0.80)、0.87(95%CI 0.72～1.00)。训练集和测试集中深度学习模型、综合模型曲线下面积均高于临床模型（训练集：Z=2.380,P=0.017;Z=2.597,P=0.009；测试集：Z=2.034,P=0.042;Z=2.577,P=0.010）。综合模型的校准曲线显示出良好的拟合性，具有良好的预测性能。结论 基于肺超声造影深度学习特征联合临床特征构建的综合模型对非小细胞肺癌表皮生长因子受体突变状态具有较好的预测价值。
关键词：癌,非小细胞肺;;超声造影;;深度学习;;突变;;表皮生长因子受体;;病理学,外科
