青岛大学毓璜顶医院基于DCE-MRI 注意力的深度学习对乳腺癌腋窝淋巴结转移的术前鉴别

主要观点总结

青岛大学团队在Journal of Magnetic Resonance Imaging上发表了一篇关于乳腺癌术前识别腋窝淋巴结（ALN）转移的研究。该研究采用了一种基于注意力的深度学习（DL）模型，在动态对比增强MRI（DCE-MRI）上鉴别乳腺癌ALN转移。文章背景指出，尽管之前的研究已经探讨了放射组学特征识别在ALN转移方面的潜力，但深度学习在识别ALN转移方面的价值尚不清楚。

关键观点总结

关键观点1: 研究目的

探讨基于注意力的DL模型在DCE-MRI上术前鉴别乳腺癌ALN转移的潜力。

关键观点2: 研究方法

研究共纳入了941例术前接受DCE-MRI的乳腺癌患者，并提出了一个包含3D深度残差网络（ResNet）架构和卷积块注意力模块的DL模型，名为RCNet，用于ALN转移识别。该模型与其他模型和三位放射科医生的性能进行了比较。

关键观点3: 研究结果

最优RCNet模型（RCNet-肿瘤+ALN）在内部测试队列中实现了较高的AUC（0.907）、准确度（0.831）、灵敏度（0.824）和特异性（0.837）。在外部测试队列中，该模型也表现出良好的性能，AUC为0.852。此外，放射科医生在RCNet的帮助下表现得到改善。

关键观点4: 研究结论

基于DCE-MRI的RCNet模型为乳腺癌术前识别ALN转移提供了无创辅助工具，帮助放射科医生更准确地评估ALN状态。