基于深度学习的乳腺癌腋窝淋巴结转移的超声与MRI多模态预测研究综述.docVIP

基于深度学习的乳腺癌腋窝淋巴结转移的超声与MRI多模态预测研究综述

一、乳腺癌腋窝淋巴结转移预测的临床背景

乳腺癌是全球女性发病率最高的恶性肿瘤，腋窝淋巴结转移状态是决定患者临床分期、治疗方案选择及预后评估的核心指标。临床数据显示，约30%~40%的早期乳腺癌患者初诊时已存在腋窝淋巴结转移，准确的术前转移评估不仅可以避免不必要的腋窝淋巴结清扫术，降低术后上肢水肿、感觉异常、活动障碍等并发症发生率，还能为新辅助化疗适应症筛选、手术范围规划提供关键依据。传统术前评估方法主要依赖超声、MRI等影像学检查，由放射科医生通过观察淋巴结形态、边界、皮质厚度、血流信号等特征进行主观判断，其诊断准确率受医师经验、病灶位置、图像质量等因素影响较大，整体敏感性约65%~75%，特异性约70%~80%，对微转移灶的识别能力尤为不足。

随着精准医学理念的普及，临床对腋窝淋巴结转移评估的准确性、效率及无创性提出了更高要求。深度学习技术的快速发展为医学影像的智能化分析提供了新路径，其通过端到端的特征提取方式，能够自动挖掘影像中人类肉眼难以识别的微观异质性信息，已在肺结节检测、脑肿瘤分割、乳腺癌诊断等多个场景展现出优于传统方法的性能。近年来，基于多模态影像融合的深度学习模型逐渐成为该领域的研究热点，超声与MRI作为乳腺癌术前评估最常用的两种影像学手段，前者具备实时、便捷、成本低的优势，对淋巴结皮质改变、微钙化的