摘要:目的研究子宫内膜癌多模态影像模型的构建以及智能影像诊断系统建立的作用价值,旨在为临床子宫内膜癌的诊断提供一种有效方案。方法将从2019年7月至2020年6月于深圳市人民医院接受诊治的子宫内膜癌患者150例纳入研究,记作子宫内膜癌组。另取同期接受检查的良性增生患者以及健康志愿者各100例,分别记作良性增生组与正常对照组。采集三组人员的经阴道超声图像27张以及磁共振成像(MRI)检查图像72张,采用特定的算法将子宫内膜癌组患者的多模态影像图片实施融合运算,构建一个全面直观的病变模型。同时,随机选取各种模态影像治疗中具有特征性的图片,采用Python+keras软件以及卷积神经网络训练,自动提取各种模态影像学资料的病灶特征,实现子宫内膜癌影像学智能诊断系统的建立。比较三组各项血流参数,以受试者工作特征(ROC)曲线分析不同诊断方式诊断子宫内膜癌的效能。结果子宫内膜癌组微血管密度(MVD)相较于良性增生组、正常对照组明显更高,而阻力指数(RI)、搏动指数(PI)明显更低(P0.05);良性增生组与正常对照组各项血流参数对比均不明显(P0.05)。经ROC曲线分析发现:多模态影像模型诊断子宫内膜癌效能的曲线下面积、灵敏度以及特异度均明显高于超声、MRI诊断。结论子宫内膜癌多模态影像模型的构建以及智能影像诊断系统建立的作用价值较高,有望成为诊断子宫内膜癌的有效手段,值得临床推广应用。
