前言：寻找写作灵感？中文期刊网用心挑选的子宫内膜癌智能影像诊断系统建立探索，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
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（P<0.05）；良性增生组与正常对照组各项血流参数对比均不明显（P>0.05）。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。
关键词：子宫内膜癌；多模态影像融合；智能影像诊断系统；模型；建立；探索
子宫内膜癌属于女性生殖系统的三大恶性肿瘤之一，随着人们生活方式的不断改变以及生活压力的与日俱增，其发病率正呈逐年攀升趋势，已受到国内外的广泛关注［1-2］。众所周知，子宫内膜癌的治疗方式包括外科手术以及辅助放化疗等，其治疗方式的选取以及患者的预后受患者年龄、组织学类型、病理分级、宫颈浸润以及淋巴结转移与否等因素的影响。由此可见，治疗前对患者进行准确的诊断显得尤为重要［3-4］。迄今为止，临床上用以诊断子宫内膜癌的影像学检查手段包括B超、CT以及核磁共振成像（MRI）等。上述各项影像学技术虽然在子宫内膜癌诊断方面具有一定的价值，但各自存在缺陷，从而导致其诊断灵敏度、特异度、准确度并不十分理想［5-6］。鉴于此，本研究通过采集同一患者的多种影像学检查图像，通过融合软件构建一个相对准确、立体的融合影像，继而为子宫内膜癌的早期诊断以及治疗方案的制定提供参考依据。此外，本研究拟通过计算机学习软件摄取宫腔病变的差异性特征，从而建立一个子宫内膜癌影像学智能诊断系统，促使疾病的诊断朝智能化、自动化发展，现报道如下。
1资料与方法
1.1一般资料。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，入选标准［7］：①经病理诊断确诊为子宫内膜癌，且在入院后接受手术切除获得完整病理-手术分期者；②年龄≥20岁；③入院前尚未接受任何相关抗肿瘤治疗。另取同期接受检查的良性增生患者100例，记作良性增生组，入选标准：①常规超声结果显示存在子宫内膜异常回声；②临床病理诊断确诊为子宫内膜良性病变；③年龄≥20岁；④入院前尚未接受任何相关治疗。再取健康志愿者100例，记作正常对照组，入选标准：①常规超声结果显示无异常；②临床病理诊断确诊为正常子宫内膜；③年龄≥20岁。剔除标准：①存在手术禁忌证或因各种原因无法完成手术切除者；②巨大晚期癌肿或癌肿远处侵犯、转移者；③病灶显示模糊或病灶超出扫查范围无法获得完整影像学图像者。子宫内膜癌组年龄22~79岁，平均（50.32±10.73）岁；临床TNM分期：Ⅰ期61例，Ⅱ期89例；分化程度：低分化47例，中分化67例，高分化36例。良性增生组年龄24~78岁，平均（50.51±10.89）岁。正常对照组年龄25~77岁，平均（50.44±10.91）岁。三组一般资料比较差异无统计学意义（P>0.05），具有可比性。本研究获得医院伦理委员会批准，研究对象均签署同意书。
1.2研究方法。1.2.1经阴道彩色多普勒超声检测。使用仪器为VolusonE10彩色多普勒超声诊断仪（购自美国GE公司），腔内容积探头，频率5~9MHz，以妇科VOCAL软件包分析。对受试者进行盆腔检查，明确子宫、附件以及盆腔情况，同时观察内膜厚度、形态状况，并在发现病灶后确定肿瘤部位、大小、回声以及边缘情况。此外，检测子宫内膜血流情况，获取血流参数，包括微血管密度（MVD）、阻力指数（RI）以及搏动指数（PI）。随机采集子宫横切面3张，纵切面3张，肿瘤最大径线3张，共采集27（9×3）张图像。1.2.2MRI检查。使用Siemens3.0T磁共振扫描仪，常规扫描使用快速自旋回波序列（TSE），扫描参数：①矢状面T2WI：TR为4000ms，TE为106ms，层数20，层厚为4mm，视野为26cm×22cm；②轴位/斜轴位T2WI：TR为5200ms，TE为98ms，层数20，层厚为3.5mm，视野为25cm×25cm；③轴位T1WI：TR为830ms，TE为11ms，层数20，层厚为3.5mm，视野为25cm×25cm。MRI动态对比增强：TR为5.08ms，TE为1.74ms，层数20，视野为26cm×26cm。采集图像72张。1.2.3建立多模态影像模型。将同一患者不同影像良恶性图片通过不同算法完成融合，重建病变模型，并将多模态影像图片所含有的信息融合至同一模型中，建立可准确分辨子宫内膜病变以及侵犯范围的影像模型，并为患者制定手术方案和放化疗计划，追踪最终手术病理分期结果。1.2.4建立多模态影像智能诊断系统采用Python+keras软件，将各种B超图像作为训练样本，初步建立子宫内膜癌智能诊疗系统。并采用该诊断技术实施病例图像的诊断，并以手术病理分期证实诊断效能。1.3观察指标对比三组各项血流参数，分析不同诊断方式诊断子宫内膜癌效能的接受者操作特征（ROC）曲线，对比子宫内膜癌组治疗前后TNM分期诊断结果。1.4统计学方法数据分析软件选用SPSS22.0。计数资料以百分率（%）表示，用χ2检验；计量资料以均数±标准差（xˉ±s）表示，用t检验。P<0.05为差异有统计学意义。
2结果
2.1三组各项血流参数评价。子宫内膜癌组MVD相较于良性增生组、正常对照组明显更高，而RI、PI明显更低，差异有统计学意义（P<0.05）；良性增生组与正常对照组各项血流参数比较，差异无统计学意义（P>0.05），见表1。
2.2不同诊断方式诊断子宫内膜癌效能的ROC曲线分析。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，见表2。
3讨论
经阴道超声可实现对子宫腔内的病变早期检出的目的，而诊断性刮宫可有效明确子宫内膜癌的病理组织学，CT与MRI均可相对全面地评估病变累及范围与深度，联合肿瘤组织学类型和病理分级可实现对病变风险程度的评估，进一步为治疗策略的制定提供指导作用［8-10］。因此，提高影像诊断准确率是早期发现子宫内脑膜癌的首要条件，而在制定诊疗方案之前，上述各项影像学检查是必不可少的。不同的影像学检查手段各有优劣，若能将多种影像学数据完整收集并予以综合分析，可能获得最为准确的诊断结果，并实现对患者疾病预后的预测，具有一定的研究价值［11-13］。且随着近年来医疗水平的不断提高，医疗模式开始朝精准医学模式方向过渡，而单一的影像信息已然无法满足精准医学的发展［14-16］。故需融合多种影像方法，对统一患者同一部位进行不同模态成像或多次相同模态成像，从不同角度为医师提供病变部位相关信息，并推测疾病预后。本研究发现：子宫内膜癌组MVD相较于良性增生组、正常对照组明显更高，而RI、PI明显更低。这在夏晓伟等［17］的一项研究中得到相似结果：子宫内膜癌的PI、RI、MVD分别为（0.59±0.15）、（0.42±0.10）、（21.29±4.81），和良性疾病组的（1.03±0.29）、（0.60±0.07）、（6.43±2.73）相比，存在显著差异。考虑原因可能是MVD为临床上用以评估组织血管生成的敏感指标，可直接反映组织血管的生成程度；RI值可有效反映肿瘤组织内新生血管生成情况，其值越低反映了肿瘤组织血管越丰富；PI值则是用以反映血流阻力大小的重要指标，当血流速度较低以及血管阻力升高时，PI值越大，可有效反映整个血流周期平均流速以及血流波形状况，间接反映组织内的血管生长情况［18-20］。此外，经ROC曲线分析发现：多模态影像模型诊断子宫内膜癌的曲线下面积、灵敏度以及特异度均明显高于超声、MRI诊断。提示了多模态影像模型诊断子宫内膜癌具有较好的效能。究其原因可能是多模态影像模型主要是对多模态影像实施融合，从而提取不同模态图像的信息，继而获取机体多方面的信息，实现信息的互补以及交叉验证，最终达到提高临床诊断的目的。另外，多模态影像模型对子宫内膜癌患者预后的预测价值较高。考虑原因可能是多模态影像模型以及智能影像诊断系统主要是通过采集同一患者的超声、CT以及MRI等相关影像学治疗，通过融合软件实现多模态影像学资料的融合，继而构建子宫内膜病变模型，可帮助医师更为全面直观地了解病灶解剖部位及其和周围组织的关系，在一定程度上提高了诊断精确性。综上所述，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临床应用价值较高，有助于子宫内膜癌的诊断以及预后评估，临床推广应用价值较高。
作者:王玲 张玉娟 肖云敏 陈菁特 单位:广东省深圳市人民医院