目的 基于增强CT图像和Swin Transformer网络,拟构建食管癌T分期智能诊断模型.方法 收集2018年1月至2022年4月在陆军军医大学第一附属医院和山西省肿瘤医院胸外科经病理证实为食管癌的150例患者的45 000张术前增强CT图像.经过UperNet Swin网络自动分割和肿瘤体积的计算,使用ResNet50、Swin Transformer和VIT 3个网络进行食管癌T分期智能诊断模型的构建.使用精准率、召回率、F1-score、特异度以及阴性预测值(negative predictive value,NPV)等指标在150例内部数据集上评价模型性能,描绘混淆矩阵和ROC曲线.结果 在3个食管癌T分期诊断的模型中,Swin Transformer模型结合肿瘤体积、病理信息等特征的分期诊断效果最好,T1~T4期的精准率分别为1.00、0.67、0.83、1.00,AUC为0.861,优于ResNet50和VIT分期诊断模型,它们的精准率分别为0.13、0.27、0.59、0.81 和 0.03、0.14、0.56、0.75,AUC 分别是 0.611 和 0.542.结论 与 ResNet50 和 VIT 网络比较,Swin Transformer网络能够更精准进行食管癌智能T分期诊断.
作者:王润媛;陈星材;吴蔚;姚洁;郭美;马晋峰;曹锡梅;粘永健;吴毅;崔慧林
来源:陆军军医大学学报 2023 年 45卷 16期