Hepatology丨生物可解释深度学习衍生的磁共振成像表型揭示肝内胆管癌淋巴结受累风险并预测新辅助治疗反应

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

肝内胆管癌术前淋巴结分期是决定清扫范围与治疗路径的关键环节，但常规影像学手段对隐匿性淋巴结转移的识别仍然受限。

2026年1月，复旦大学附属中山医院饶圣祥、王满宁、董良庆、朱凯作为共同通信作者在Hepatology发表的研究发现，通过 Swin UNETR架构的Transformer深度学习模型（SwinU），以多序列磁共振的肿瘤区域图像作为输入进行淋巴结转移风险任务训练，并将SwinU输出与临床-影像学变量融合，最终构建了综合预测模型SwinU-CliRad，能够实现更可靠的淋巴结风险分层与治疗决策支持。（剩余804字）

试读结束

目录
monitor
客服机器人