摘要

目的:探讨基于3D U-Net模型进行T2WI图像中前列腺自动区域分割的可行性并进行临床验证。方法:回顾性收集我院2019年6月-2020年1月间的288例因临床怀疑前列腺癌而行多参数磁共振成像（Multiparameter magnetic resonance imaging,mpMRI）患者,用于3D U-Net分割模型的训练（数据集A）。所有患者按照8∶1∶1的比例随机分为训练集（n=231）、调优集（n=29）和测试集（n=28）。以医生手工标注的前列腺区域（外周带、移行带、中央带、前纤维基质带、尿道）为参考标准,定量评估测试集中模型的Dice相似系数（Dice similarity coefficient,DSC）、Hausdorff表面距离（Hausdorff surface distance,HSD）和体积差。另收集2020年2-5月间的经病理证实的30例前列腺癌患者,用于模型的临床验证（数据集B）。由一名低年资影像医生对检出的癌灶进行定位,一次使用AI结果,一次不使用AI结果。以影像专家的定位为参考标准,评估低年资医生两次阅片的定位准确率。结果:测试集中,模型对前列腺外周带、移行带、中央带、前纤维基质带和尿道的分割效果较好,其DSC及HSD分别为0.80、0.89、0.52、0.63、0.79和10.66 mm、8.88 mm、9.87 mm、17.86 mm、9.64 mm。模型预测与手工标注测量的体积一致性高,其差值基本都位于95%一致范围（limits of agreement,LoA）之内。与直接阅片相比,模型可提高低年资影像医生对癌灶的定位准确率（93.93%vs 100%）。结论:基于3D U-Net模型可实现T2WI图像中前列腺区域自动分割,用于癌灶的定位。

关键词