临床误诊误治2022，Vol.35Issue(1) ：38-42.DOI:10.3969/j.issn.1002-3429.2022.01.010

基于Faster-RCNN的肝细胞癌与肝内胆管细胞癌多模态MR影像智能肿瘤识别与分类诊断模型构建

A Model Construction of Intelligent Tumor Recognition and Classification Diagnosis of Hepatocellular Carcinoma and Intrahepatic Cholangiocarcinoma with Multi-modality MR Image based on Faster-RCNN

雷磊 李俊杰 王倩梅 赵鹏 刘传明
临床误诊误治2022，Vol.35Issue(1) ：38-42.DOI:10.3969/j.issn.1002-3429.2022.01.010
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于Faster-RCNN的肝细胞癌与肝内胆管细胞癌多模态MR影像智能肿瘤识别与分类诊断模型构建

A Model Construction of Intelligent Tumor Recognition and Classification Diagnosis of Hepatocellular Carcinoma and Intrahepatic Cholangiocarcinoma with Multi-modality MR Image based on Faster-RCNN

雷磊 1李俊杰 1王倩梅 1赵鹏 1刘传明1
扫码查看

作者信息

  • 1. 710032 西安,空军军医大学西京医院急诊科
  • 折叠

摘要

目的 探讨基于Faster-区域卷积神经网络(RCNN)的肝细胞肝癌与肝内胆管细胞癌(HCC/ICC)多模态MR影像肿瘤识别及分类诊断模型的应用可行性.方法 选取2017年1月—2020年1月我院接受手术的156例HCC或ICC,术前4周内行MR增强扫描,使用image_registration软件chi2_shift方法对患者MR动脉期、静脉期及延迟期影像进行配准、融合,利用Faster-RCNN模型对患者进行肿瘤目标识别及分类.通过Z轴连续性筛选方法降低肿瘤识别的假阳性率,在患者层面使用加权投票方法获得分类诊断结果.结果 Faster-RCNN模型可以有效识别肿瘤区域并进行分类诊断.Z轴连续性筛选可以降低肿瘤识别的假阳性率,提高精确率和召回率.经配准后的融合图像在图像层面目标识别精确率为83.7％,召回率为91.9％,分类整体准确率为92.0％;在患者层面,加权投票后融合影像的分类整体准确率为93.5％.结论 基于Faster-RCNN的HCC/ICC多模态MR影像鉴别诊断模型可以高效、准确地对HCC/ICC进行目标识别和分类诊断,有望实现临床转化,协助诊疗工作.

关键词

肝肿瘤/胆管上皮癌/Faster-区域卷积神经网络/磁共振成像/肿瘤识别/分类诊断

引用本文复制引用

出版年

2022
临床误诊误治
解放军白求恩国际和平医院

临床误诊误治

CSTPCD
影响因子：0.914
ISSN：1002-3429
被引量5
参考文献量8
段落导航相关论文