目的 本研究旨在构建并验证基于T2加权成像(T2-weighted imaging,T2WI)的50层深度残差网络(50-layer deep residual network,ResNet-50)深度学习(deep learning,DL)模型术前预测膀胱癌(bladder cancer,BCa)病理分级的效能.材料与方法 回顾性分析来自南方医科大学第十附属manbet官网登录 (中心1)和中山大学肿瘤防治中心(中心2)共169名BCa患者的211个肿瘤病灶数据.以病理组织学诊断作为金标准,以肿瘤病灶为单位进行分析,其中高级别尿路上皮癌(high grade urothelial carcinoma,HGUC)为 111 个,低级别尿路上皮癌(low grade urothelial carcinoma,LGUC)为 100个.采用 DL模型的ResNet-50方法,基于中心1内部训练集构建模型,所得出的模型在中心1的内部测试集中测试后筛选出最优模型,随后在中心2的外部测试集上进行独立验证.采用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、准确率、敏感度和特异度对模型性能进行评估,并进行特征可视化展示.结果 DL模型在内部测试集的AUC为0.856(95％CI:0.723～0.941),准确率为 80.9％(95％CI:69.6％～92.1％),敏感度为 77.8％(95％CI:65.9％～89.7％),特异度为82.8％(95％CI:72.0％～93.6％);在外部测试集的AUC 为 0.814(95％CI:0.686～0

作者：黄翔；曹康养；邹玉坚；邓磊；张蔚菁；杨水清；张坤林；朱玉容；李建鹏

来源：磁共振成像 2024 年 15卷 1期