来源：期刊VIP网 时间：
作者：张秋芬;高宇;毛珂;韩东明;翟晓阳;
单位：开封市中心医院影像科;新乡医学院第一附属医院磁共振科;河南中医药大学第一附属医院磁共振科;
摘要：目的 基于T2WI开发并验证一种预测脑胶质瘤患者无进展生存期（progression-free survival, PFS）的深度学习（deep learning, DL）模型。材料与方法 收集了来自三个中心共345名被诊断为胶质瘤患者的MRI图像和临床资料。建立了9个DL模型来预测PFS，使用外部测试集对模型性能进行验证。采用C指数确定最佳模型，并比较了这些模型的性能。根据训练集中计算的风险评分截止值，将患者分层为高风险组和低风险组，评估他们的PFS之间的差异。结果 训练集和测试集分别由249名和96名患者组成。Wide ResNet50-2深度学习模型表现优异，在训练集和测试集的C指数分别为0.694和0.714。将临床特征与DL特征结合后建立的综合模型得到最高的模型表现，在训练集和外部测试集的C指数分别为0.724和0.795。根据深度学习特征计算的风险评分可以用于区分不同风险的患者。结论 基于术前MRI的DL模型能够预测胶质瘤患者的PFS，并可作为术前风险分层工具。
关键词：脑胶质瘤;;磁共振成像;;深度学习;;机器学习;;无进展生存期
基金资助：河南省科技攻关基金项目（编号：LHGJ20230528）~~
