南方医科大学学报

作者：李欣洋, 许桂晓, 刘洁宏, 冯衍秋

单位：1.南方医科大学生物医学工程学院；2.广东省医学图像处理重点实验室；3.广东省医学影像诊断技术工程实验室，广东 广州 510515；4.华南恶性肿瘤防治全国重点实验室；5.广东省鼻咽癌诊治研究重点实验室；6.广东省恶性肿瘤临床医学研究中心；7.中山大学肿瘤防治中心影像科，广东 广州 510060

关键词：人工智能,磁共振成像,影像组学,一致性,鼻咽癌,

基金：国家自然科学基金(U21A6005);国家自然科学基金(82372079)

目的 评估人工智能辅助压缩感知（ACS）加速技术与传统磁共振并行成像（PI）加速技术相比，对鼻咽癌MRI影像组学特征提取及分期诊断模型性能的影响。 方法 纳入64例经3.0T MR扫描的初诊鼻咽癌患者。在关键成像参数保持一致的情况下，分别采用PI和ACS加速序列采集平扫T1加权、T2加权及增强T1加权图像。ACS组3种序列总扫描时间为227 s，较PI组（312 s）缩短约30%。使用开源工具Pyradiomics提取18个一阶特征和75个纹理特征，利用组内相关系数（ICC）评估ACS与PI图像组学特征的一致性。基于两组图像特征，分别采用最小绝对收缩与选择算子进行特征选择，并构建随机森林模型以区分鼻咽癌早期（T1-T2）与晚期（T3-T4）。通过受试者工作特征曲线下面积（AUC）评估模型的诊断性能，并使用DeLong检验比较两组模型性能的差异。 结果 ACS与PI图像提取的组学特征总体一致性较高，86.0%（240/279）的特征ICC值大于0.75。其中平扫T1加权、T2加权及增强T1加权图像平均ICC值分别为0.91±0.09、0.89±0.13和0.88±0.11。在鼻咽癌分期预测方面，基于ACS与PI图像特征所构建模型的AUC分别为0.89和0.90，DeLong检验显示两组模型性能差异无统计学意义（P=0.991）。 结论 ACS与PI加速序列所获图像在提取组学特征上具有较高的一致性，基于ACS图像构建的鼻咽癌分期预测模型与基于PI图像的模型在诊断效能上表现相当。ACS加速可显著缩短扫描时间，为鼻咽癌影像组学研究提供了一种可靠的磁共振高效加速采集方案。

来源：2025年第11期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2025年第11期