针对直肠癌诊断的多参数-MRI提出的新方法

多参数磁共振成像（MPMRI）已被接受为直肠癌诊断的首选替代方法。N阶段对于所有MR报告都是必需的，该报告的准确检测和分割是淋巴结（LNS）的先决条件。

但是，当前诊断方法的瓶颈是在多个器官和多个间隔的背景下LN识别效率低。此外，当切片的数量超过20个以上时，经验丰富的放射科医生将需要3-10分钟的时间才能完成对患者的LN检测，结果将受到探测器的主观经验，环境的影响，并可能导致误诊。

已经开发了一种智能识别方法，并首先应用于手术前RC患者的自动LN检测和分割（自动LND）。该发展是由GAO Xin的研究团队与TH中国科学院生物医学工程与技术研究所（CAS）的苏州生物医学工程与技术研究所（CAS）一起，与Sun Yat Sen University的第六家附属医院和其他三所3A医院的Meng Xioochun合作遍布中国的不同地区。

这项研究招募了三百七十三名RC患者。三位高级专家的注释被用作基础真理模型培训。融合的T2加权图像（T2WI）和扩散加权图像（DWI）通过转移学习为生成自动LNDS模型提供了蒙版R-CNN的深度学习框架的输入。

结果表明，与其他报道的算法相比，该模型在检测不同量表LN的情况下具有出色的性能（图1）。检测到的LNS的大小较小（短直径为3mm），精度较高，比报道的算法和初级放射线学家更好（表1）。

此外，检测和分割患者的所有LN仅需1.37秒，比医生的检测速度快131倍。

该模型可以帮助最大程度地减少放射科医生之间LNS检测的差异，提高临床工作流程的效率，并有可能协助医生确定淋巴结阶段。此外，该方法可以扩展到基于多模式图像（PET，CT，MRI等）的术前评估肿瘤的N分期，该图像具有很高的临床意义，并且起着重要的启发作用。自动识别胸部，腹部甚至整个身体中的LN。

该研究由中国国家自然科学基金会资助。相应的结果被发表为“基于深度学习的完全自动化检测和对直肠癌的淋巴结的完全自动化检测和分割的封面文章：一项多中心研究”ebiomedicine。

---

---