提出一种基于多参数mri的直肠癌诊断新方法

多参数磁共振成像(mpMRI)已被公认为直肠癌诊断的首选方法。对于所有的MR报告，n分期都是必要的，而准确的淋巴结检测和分割是前提。

然而，目前诊断方法的瓶颈是多器官、多期背景下淋巴结识别的低效率。此外，当切片数超过20片时，经验丰富的放射科医生完成患者的LN检测需要3-10分钟，结果会受到探测器主观经验、环境的影响，可能会导致误诊。

开发了一种智能识别方法，并首次应用于实现RC患者术前淋巴结自动检测和分割(auto-LNDS)。这种发展是通过高鑫的研究小组从苏州生物医学工程技术研究所的中国科学院(SIBET, CAS),与孟合作小春就从中山大学附属第六医院,和其他三个3医院遍布在中国不同地区。

373名RC患者参与了这项研究。三位资深专家的注解被用作基本事实模型训练。融合T2WI和扩散加权图像(diffusion weighted images, DWI)通过迁移学习为Mask R-CNN的深度学习框架提供输入，生成auto-LNDS模型。

结果表明,模型具有一个优秀的性能与其他报道算法相比在检测不同尺度LNs的大小(图1)。发现LNs较小(短直径小至3毫米),精度更高,比报道的算法和初级放射科医生(表1)。

此外，仅需1.37秒即可对患者的所有LNs进行检测和分割，比医生的检测速度快131倍。

该模型有助于减少放射科医师在LNs检测方面的差异，提高临床工作效率，也有可能帮助医生确定淋巴结分期。此外,这种方法可以扩展到N分期的肿瘤的术前评估在身体的各个部分基于多通道图像(PET、CT、MRI等),具有很高的临床意义和发挥重要的启蒙作用的自动识别到胸部,腹部,甚至整个身体。

该研究得到了国家自然科学基金的资助。结果以“Deep learning-based fully automated detection and segmentation of淋巴结on multi - parametric- mri for直肠癌:a multi - center study”的封面文章发表于EBioMedicine。

---

---