目的 探讨深度学习在前列腺多参数磁共振成像(mpMRI)序列分类中的应用价值.方法 回顾性搜集2012年11月至2021年6月2085个连续前列腺mpMRI检查,共41427个序列.由一位高级职称影像专家逐一阅图,将图像分为以下9个序列类别:表观扩散系数(ADC)、扩散加权成像(DWI)_High、DWI_Low、CE_Ce、CE_Pre、T1WI_In、T1WI_Opp、T2WI_Fs和T2WI_Nan.将41427个序列数据按照8∶1∶1的比例随机分为训练集(n=32988)、调优集(n=4235)和测试集(n=4204)用于训练深度学习分类网络.利用混淆矩阵对分类效能进行评价.结果 在总体分类评价水平上,测试集中宏准确率(Macro accuracy)、宏F1(macro-F1)和微F1(micro-F1)分别为0.997、0.890和0.989.单一序列准确率为0.996-1.000,F1为0.983～1.000,召回率为0.989～1.000.结论 深度学习网络在前列腺mpMRI序列分类中具有很高的准确率,可用于后续前列腺癌自动诊断模型的序列甄别.
作者：孙兆男；崔应谱；刘想；吴鹏升；王祥鹏；张晓东；王霄英
来源：临床放射学杂志 2022 年 41卷 8期
