资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
文章类型：
机构：
[1]成都大学附属医院放射科,四川成都610081
[2]上海联影智能有限公司研发部,上海200232
[3]四川省肿瘤医院放射科,四川成都610041
四川省肿瘤医院
[4]邻水县人民医院放射科,四川广安638500
[5]成都市龙泉驿区中医医院放射科,四川成都610100
出处：
ISSN：
关键词：
临床显著性前列腺癌
双参数磁共振成像
深度学习分类模型
多中心研究
摘要：
目的 探讨基于双参数磁共振成像(bpMRI)的深度学习分类模型对临床显著性前列腺癌(csPCa)与临床非显著性前列腺癌(cisPCa)的分类能力.方法 回顾性分析565例前列腺bpMRI患者资料,建立深度学习分类模型对csPCa进行分类,按8︰2的比例随机分为训练集(452例)和内部测试集(113例),并进行内部验证,不同4所医院120例患者资料进行多中心的外部验证(外部验证集).利用受试者工作特征(ROC)曲线的曲线下面积(AUC)、F1分数、精确度、敏感度、特异度、准确性、校准曲线进行模型评价,利用决策曲线分析(DCA)评价模型临床获益.结果 深度学习分类模型对csPCa的分类在训练集、内部测试集和外部验证集的敏感度分别为0.986、0.887、0.750;特异度分别为0.967、0.850、0.976;精确度分别为0.963、0.839、0.818;准确性分别为0.974、0.862、0.792;F1分数分别为0.974、0.862、0.783;AUC分别为0.998、0.896、0.883.分类模型在上述3个数据集的校准曲线的预测概率与实际概率均表现出了较高的一致性.DCA示训练集、内部测试集、外部验证集的最高净收益阈值概率分别为0.2～0.7、0.2～0.6、0.2～0.5.结论 深度学习分类模型在csPCa分类中表现优异,具有较好的泛化性,值得在临床推广应用.
基金：
成都大学临床医学院、附属医院院级科研课题(Y202314);成
都市医学科研课题(2024543)
第一作者：
第一作者机构：
[1]成都大学附属医院放射科,四川成都610081
通讯作者：
推荐引用方式(GB/T 7714)：
李林,李曼,吕赛群,等.基于双参数MRI的深度学习分类模型诊断临床显著性前列腺癌的多中心研究[J].实用放射学杂志.2025,41(7):1163-1167.
