论著-腹部
基于机器学习的影像组学模型对肝硬化再生结节良恶性诊断效能的研究*
作者：刘 琼1 佘华龙2 吴 涛1 何 松1 聂 林1,*
所属单位：1.湘南学院附属医院放射科 2.郴州市第三人民医院放射科 (湖南 郴州 423000)
PDF摘要
目的 目前早期鉴别肝硬化再生结节的良恶性鉴别的诊断率并不高，本研究基于深度学习算法，通过将卷积神经网络应用于成像来自动区分肝硬化结节良恶性质，提高诊断率。方法 回顾性分析我院2020年1月至2023年10月收治的200例肝硬化再生结节患者的临床及影像资料，所有患者入院时均行常规MR平扫、DWI扫描、钆塞酸二钠动态增强扫描、肝胆特异期成像及病理检查等，分别采用AI机器学习和常规人工阅片对患者影像资料进行诊断，通过计算比较两者灵敏度、特异度、准确率等评价诊断效能。结果 相较于常规影像医师阅片，AI机器学习模型在诊断肝硬化再生结节性质的灵敏度为86.21%(100/116)，特异度为78.57%(66/84)，准确率为83.00%(166/200)，均高于人工阅片，提示模型的诊断效能较好。结论 基于AI机器学习的影像组学模型，可以在MRI上准确评估肝硬化再生结节的良恶性质，比影像科医生常规阅片具有更好的诊断效能，具有一定临床价值。
【关键词】肝硬化再生结节；钆塞酸二钠；良恶性；预测模型
【中图分类号】R735.7
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2025.04.036
中国CT和MRI杂志
第23卷， 第 4 期
2025年04月
相关文章
编辑部邮箱：（1）中国CT和MRI杂志：ctmri@vip.163.com；（2）罕少疾病杂志：hs1999@vip.163.com
联系电话：0755-83695203
公司地址： 深圳市龙岗区坂田街道坂田社区吉华路489号乐荟科创中心13栋G层12房
简体中文
English
个人中心
微信公众号
头条号