Классификация рака почки на трехфазных КТ-изображениях с использованием метода глубокого обучения

В настоящем исследовании используется основанный на изображениях метод глубокого обучения для дифференциации трех основных подтипов почечно-клеточного рака (светлоклеточного, папиллярного и хромофобного) по изображениям, полученным с помощью компьютерной томографии (КТ). На основе 169 случаев рака почки был сформирован контрольный набор данных с подтверждением диагноза по результатам биопсии. В каждом случае изображения получали в три фазы: фаза 1 — до введения контрастного вещества; фаза 2 — через 1 мин после введения; фаза 3 — через 5 мин после введения. После получения изображений радиологи обозначали прямоугольную область интереса (ROI) на каждом изображении соответствующей фазы. После выделения ROI к изображениям ROI трех фаз применяли комбинационный вес, а линейно объединенные изображения после конкатенации подавали на вход нейронной сети глубокого обучения. Нейронную сеть глубокого обучения обучали классифицировать подтипы почечно-клеточного рака, используя выделенные ROI в качестве входных данных, а результаты биопсии — в качестве меток. Сеть продемонстрировала точность около 0,85, чувствительность 0,64–0,98, специфичность 0,83–0,93 и площадь под ROC-кривой (AUC) 0,9. Предложенная система, основанная на методе глубокого обучения и ROI, предоставленных радиологами, показала многообещающие результаты в классификации подтипов почечно-клеточного рака. Предполагается, что она будет способствовать дальнейшим исследованиям в этой области и поможет радиологам классифицировать подтип поражения в реальной клинической практике.