基于 MobileViT 的肾透明细胞癌 CT 图像分级研究

摘要

目的 研究基于 MobileViT 的肾透明细胞癌病变分级识别方法，用以提高肾透明细胞癌的诊断识别效能和人工智能
鉴别诊断肾透明细胞癌的临床价值。方法 选取 2017 年 3 月至 2021 年 9 月在宁海县第一医院经螺旋 CT 检查的 135 例肾透
明细胞癌患者，共 CT 图像 1210 张，包括四种程度的肾透明细胞癌 CT 图像， 使用 MobileViT 模型训练和识别 CT 图像肾
透明细胞癌分级模型。将诊断结果与 VGG19、Vision Transformer、ResNet50 分类模型的诊断结果进行了比较。主要评价指
标为灵敏度、特异性、F1 评分、受试者工作特征曲线下面积（AUC）、95% 置信区间、kappa 值和准确率，还比较了 5 个
分级模型的 ROC 曲线。结果 本文使用了 316 张肾透明细胞癌 CT 图像来测试 CT 肾透明细胞癌分级模型。MobileViT 肾透
明细胞癌分级模型的最高 Kappa 值为 81.43%，准确度为 97.14%。 模型对 Fuhrman 分级为 I-IV 级的特异性分别为 95.34%、
71.43%、58.43% 和 82.52%。AUC 分别为 0.96、0.86、0.90 和 0.89。结论 基于收集的肾透明细胞癌 CT 图像，MobileViT 模
型可以诊断出四级分类的肾透明细胞癌。MobileViT 模型有助于肾内科及影像科医生对不同程度肾透明细胞癌进行初步诊
断，有助于鉴别诊断肾透明细胞癌，有一定的临床价值，值得进一步推广。