基于磁共振动态增强的影像组学及深度学习在肺癌脊柱转移鉴别诊断中的应用

目的 探讨基于动态增强磁共振成像(DCE-MRI)的影像组学及深度学习在肺癌脊柱转移鉴别诊断中的应用价值.方法 回顾性分析61例确诊为脊柱转移患者的DCE-MRI,绘制感兴趣区域的时间-信号强度曲线,根据曲线定义3个参数,用区域增长算法对病灶进行标准化分割,通过影像组学提取分析3个DCE-MRI参数图的特征,用随机森林算法挑选出与鉴别疾病最相关的特征用于构建分类器进而进行诊断;研究包含2种深度学习算法,3个DCE-MRI参数图作为卷积神经元网络(CNN)的输入,将DCE-MRI每个层面的图像集视为一个时间序列,12层DCE图像作为卷积长短时间记忆(CLSTM)神经元网络的输入.结果 影像组学诊断的准确率为0.71,CNN和CLSTM的平均诊断准确率分别为0.71、0.81.结论 基于DCE-MRI的影像组学及深度学习在鉴别诊断肺癌脊柱转移方面具有可行性,可为临床诊断提供有价值的信息.