+ 放大
- 缩小
深度学习提升骨肿瘤诊断能力
赵可扬 , 梅炯
上海市第六人民医院
目的:
骨肿瘤在其诊断和治疗方面表现出异常复杂的多样性，使得骨肿瘤的误诊误治情况十分普遍。研究骨肿瘤的影像学特点一直是骨科医师和影像科医师努力的方向。本研究尝试通过应用深度学习来改善骨肿瘤的诊断。
方法:
在上海市第六人民医院内查询了2018 to 2020期间确诊骨肿瘤患者的术前增强核磁共振影像。以病理报告为金标准进行良恶性标注，制作了包含304例患者图像的数据集。开发了一种深度学习算法SeqMRNet，用于诊断肌肉骨骼肿瘤的性质（良性或恶性）。该算法先运用AlexNet对增强核磁共振的每一层图像进行特征提取，然后再将特征向量逐个输入到长短期记忆网络（long short-term memory，LSTM）,综合对各层的良恶性判断，最后输出恶性概率值，完成诊断。我们邀请了4名放射科医生和4名骨科医生进行人机对照试验，比较了他们单独的诊断效能和在SeqMRNet的帮助下的诊断效能。
结果:
对于放射科医师，SeqMRNet的帮助将其平均敏感性从84.5%提高到91.1%（p=0.089），并将其准确性从81.0%提高到85.5%（p=0.089）；对于骨科医生，SeqMRNet的帮助将他们的平均敏感性从75.0%提高到83.9%（p=0.036），并将他们的准确性从70.6%提高到76.6%（p=0.036）。放射科医生和骨科医生的平均特异性没有改变。
结论:
SeqMRNet提高了放射科医生和骨科医生通过增强核磁共振图像诊断骨肿瘤良恶性的能力，该方法有助于避免骨肿瘤误诊。
