来源：期刊VIP网 时间：
作者：李鑫;陈金明;刘蕊;李乐;
单位：内蒙古医科大学赤峰临床医学院;赤峰市医院肝胆外科;
摘要：目的 探讨深度学习基于CT影像预测肝细胞癌微血管侵犯的应用价值。资料与方法 回顾性纳入赤峰市医院2020年1月—2022年12月经病理证实微血管侵犯状态的63例肝细胞癌患者，收集术前增强CT影像。将患者随机分为训练组、验证组和测试组。通过迁移学习建立AlexNet、VGG16与ResNet50 3种经典卷积神经网络模型，通过单因素及多因素Logistic回归分析肝细胞癌患者一般临床数据，建立临床预测模型。对比4种预测模型的实际预测效果得到最优模型。结果 临床预测模型曲线下面积（AUC）为0.844，敏感度为0.833，特异度为0.708。AlexNet模型AUC为0.865，敏感度为0.833，特异度为0.717，训练时长818.2 s。VGG16模型AUC为0.892，敏感度为0.857，特异度为0.717，训练时长9 743.2 s。ResNet50模型AUC为0.937，敏感度为0.786，特异度为0.925，训练时长3 800.8 s。结论 深度学习模型是一种术前无创预测微血管侵犯的方法，其预测效果优于临床预测模型，其中ResNet50模型表现最优。可以为临床决策制订提供有力的参考依据。
关键词：癌,肝细胞;;微血管侵犯;;体层摄影术,X线计算机;;深度学习;;预测
基金资助：赤峰市自然科学科研课题（SZR2023076）
