基于多参数磁共振成像（MRI）的深度学习技术在区分良性与恶性PI-RADS 3级前列腺病变中的应用：一项双中心研究

《Scientific Reports》：Deep learning based on multiparametric MRI for differentiating benign from malignant PI-RADS 3 prostate lesions: a dual-center study

　　

摘要

为了解决PI-RADS 3级前列腺病变诊断难题，我们利用多参数磁共振成像（mpMRI）开发了一种非侵入性的深度学习放射组学模型。这项双中心回顾性研究共纳入了382名患者。研究中对T2WI、DWI和ADC图像上的病变进行了分割和标准化处理。通过ResNet101提取深度学习特征，并采用最小冗余最大相关性（mRMR）和最小绝对值收缩选择算法（LASSO）筛选出放射组学特征。我们构建并比较了三种模型：仅基于临床数据的模型、基于深度学习放射组学特征的模型（DLRS），以及结合了两者信息的模型。结果显示，结合模型的AUC值最高（分别为0.951、0.964、0.925），显著优于仅基于临床数据的模型（p<0.05）。DLRS模型的性能也同样出色（AUC值分别为0.946、0.932、0.918）。该模型的判别准确性得到了验证，其临床应用价值也得到了证实。这种基于mpMRI的深度学习模型能够准确区分恶性与良性的PI-RADS 3级病变，为临床决策提供了宝贵的非侵入性工具，有助于减少不必要的活检。