基于深度学习的胃癌CT影像腹膜种植转移的术前预测与高危区域识别模型研究综述.docVIP

基于深度学习的胃癌CT影像腹膜种植转移的术前预测与高危区域识别模型研究综述

胃癌是全球范围内发病率排名第五、死亡率排名第四的恶性肿瘤，腹膜种植转移是胃癌最常见的远处转移形式之一，约有10%~20%的胃癌患者在初始诊断时已存在腹膜转移，而接受根治性手术的患者中也有30%~50%会在术后出现腹膜复发。一旦发生腹膜转移，患者的中位生存期仅为6~12个月，且丧失了根治性手术的机会，只能接受姑息性化疗、腹腔灌注等治疗手段，预后极差。因此，术前准确识别腹膜种植转移的发生风险，并精准定位潜在的转移高危区域，对于临床制定个体化治疗方案、改善患者预后具有至关重要的意义。

传统的胃癌腹膜转移术前诊断主要依赖于增强CT检查，放射科医生通过观察CT图像中腹膜增厚、结节、腹水、网膜饼等典型征象判断转移情况，但这种方法存在明显的局限性：一方面，对于直径小于5mm的微小转移灶，CT的灵敏度仅为30%~50%，极易出现漏诊；另一方面，诊断结果高度依赖医生的临床经验，不同医师间的诊断一致性Kappa值仅为0.5~0.7，存在较大的主观性差异。近年来，深度学习技术在医学影像分析领域取得了突破性进展，其强大的特征提取能力能够挖掘人眼无法识别的微观影像特征，为胃癌腹膜转移的术前精准预测和高危区域定位提供了全新的解决方案。

一、胃癌CT影像腹膜种植转移深度学习预测模型的主流架构

目前用于胃癌腹膜转移预测的深度学习模型主要分