基于对比增强CT成像的人工智能技术在预测T3/T4期胃癌患者腹膜转移中的应用

《PLOS One》：Application of artificial intelligence based on contrast-enhanced CT imaging for predicting peritoneal metastasis in patients with T3/T4 stage gastric cancer

　　摘要
胃癌在东亚地区较为常见，患者在诊断时常已出现腹膜转移，这限制了手术选择并降低了生存率。鉴于当前诊断方法的灵敏度较低，本研究旨在开发并评估基于术前增强扫描计算机断层扫描（CT）图像的深度学习模型，以提高对T3/T4期胃癌隐匿性腹膜转移的检测能力。我们首先评估了几种卷积神经网络（CNN）架构的性能，并确定Inception-ResNetV2为表现最佳的模式。为了进一步优化模型性能，我们整合了多种注意力机制模块，其中SE模块显示出了最显著的改进效果。经过SE增强的Inception-ResNetV2模型在接收者操作特征曲线（ROC-AUC）下面积为0.973，精确度-召回率曲线下面积为0.908，F1分数为0.818，优于所有其他模型。校准曲线表明预测结果与实际结果之间具有良好的一致性，而决策曲线分析突显了该模型的临床应用价值。这些发现表明，通过将先进的深度学习架构与注意力机制相结合，可以为提高临床预测建模提供潜在方法。对于被确定为高风险的患者，建议进行进一步的分期腹腔镜检查，以减少不必要的手术并指导治疗决策。

引言
胃癌（GC）是最常见且致命的恶性肿瘤之一，尤其是在东亚地区，该疾病常常在晚期才被诊断出来[1,2]。准确评估疾病范围（尤其是腹膜转移）对于选择最佳治疗策略至关重要。然而，传统的成像技术如增强CT和正电子发射断层扫描-计算机断层扫描（PET-CT）在检测小型或微妙的腹膜病变方面存在困难，导致大量患者仅在手术期间才被发现存在腹膜转移[3–5]。尽管分期腹腔镜检查可以可靠地识别隐匿性腹膜转移，但其临床应用受到高成本、可及性受限以及侵入性强的限制[6,7]。因此，开发更可靠、无创的方法来诊断和预测腹膜转移仍然是临床上的优先事项，特别是对于T3/T4期胃癌患者。近年来，人工智能（AI）技术——尤其是深度学习方法——在肿瘤成像的各个领域展现出巨大潜力[8]。AI和放射组学方法可以从CT图像中提取定量和高维特征，捕捉人类视觉难以察觉的细微结构和形态模式[9–11]。卷积神经网络（CNN）尤其在自动特征提取和分类任务中表现出色，减少了对手动特征工程的依赖[12]。多项研究表明，基于CNN的模型在识别胃癌肿瘤、分层淋巴结受累以及使用组织病理图像预测患者预后方面具有适应性[13,14]。例如，Wang等人利用深度学习对切除的淋巴结组织病理图像进行分析，以预测术后结果，强调了CNN捕捉传统方法遗漏的细微特征的能力[15]。同样，Cho等人证明自动CNN模型在内镜图像中对胃癌肿瘤的分类具有高特异性，表明它们具有跨不同成像模式的泛化潜力[16]。更具体地说，用于预测腹膜转移的深度学习方法也开始出现。Jiang等人开发了一种采用密集连接CNN架构的模型，能够检测胃癌患者中的隐匿性腹膜转移，并在多个验证集中获得了令人满意的ROC-AUC值[17]。Mirniaharikandehei等人将机器学习分类器与CT图像中的手工特征相结合，获得了相对较高的特异性，但在识别腹膜转移方面敏感性适中[18]。尽管取得了这些进展，许多研究涵盖了广泛的T分期患者群体或缺乏精细的注意力策略，可能限制了对细微腹膜扩散的精确检测。为了解决这些问题，研究人员越来越多地采用注意力机制来增强CNN对图像中最显著区域或通道的关注能力[19,20]。诸如Squeeze-and-Excitation（SE）模块、卷积块注意力模块（CBAM）等其他注意力机制在包括医学图像分类、病变检测和疾病诊断在内的多种医学应用中表现优异[21–23]。通过重新调整特征图，注意力机制可以强调那些可能被传统卷积层忽略的关键肿瘤区域或腹膜表面[24,25]。尽管基于注意力的方法在胃肠道内镜检查任务（如息肉检测或病变分割）中显示出潜力，但它们在基于CT的腹膜转移预测中的系统应用仍需进一步探索[26]。此外，这些方法的临床效用不仅体现在ROC-AUC等原始分类指标上，还包括精确度-召回率权衡、校准可靠性和决策曲线分析（DCA）等因素，以评估净临床效益[26,27]。将注意力机制整合到CNN框架中，并使用全面的评估指标来评估其性能，可能会产生一种更为稳健且具有临床相关性的方法来检测腹膜扩散[28,29]。基于这些见解，我们的研究专注于T3/T4期胃癌患者，这些患者面临最高的腹膜转移风险，并采用了一个增加了SE注意力机制的Inception-ResNetV2架构。该架构旨在从CT图像中捕获细致的局部细节和广阔的全局背景，从而可能提高对细微腹膜沉积的检测敏感性。我们还通过使用焦点损失来缓解类别不平衡，并通过ROC-AUC、精确度-召回率AUC（PR-AUC）、F1分数、校准曲线和DCA等多个性能指标进行了全面的模型评估。本研究旨在通过系统评估各种CNN架构和注意力机制，构建一个高性能的腹膜转移预测模型。通过确定最佳方法，我们希望改进风险分层并促进个性化临床决策。此外，通过验证阈值优化的临床效用，我们的模型可作为实用的、非侵入性工具，以减少不必要的腹腔镜检查并优化临床实践中的患者管理。

材料与方法
**研究设计与患者**
在这项回顾性研究中，我们纳入了2017年3月至2024年3月期间在广西医科大学第一附属医院诊断为T3/T4期胃癌的585名患者。其中478名患者没有腹膜转移，107名患者有腹膜转移。本研究的数据于2024年8月5日获取。我们收集了所有参与者的静脉增强CT图像和临床数据，详细的人口统计和临床特征见表1。纳入标准如下：（1）新诊断的患者，在手术前未接受化疗或其他新辅助治疗，且无其他恶性肿瘤病史；（2）根据美国癌症联合委员会第8版指南进行术前评估，表明可行性的根治性手术；（3）高质量的腹部CT图像，具有清晰的可见性和无显著的噪声干扰，以及完整的临床数据；（4）通过增强CT和内镜超声提供的明确临床分期，CT图像中未检测到明显的腹膜转移或腹水迹象；（5）外科医生在手术过程中对腹腔进行了彻底检查，并通过病理学确认任何可疑的腹膜病变以确定腹膜转移的存在。患者被随机分为训练集、验证集和测试集，比例为6:2:2，以开发和验证预测模型。本研究遵守了赫尔辛基宣言，并获得了广西医科大学第一附属医院的伦理委员会批准（批准编号2024-E550-01）。由于研究的回顾性质，伦理委员会免除了对知情同意的要求。研究过程的详细概述见图1。

图1. 研究流程图。研究首先从增强CT图像中划分肿瘤区域。这些图像用于训练七种CNN架构：ResNet、DenseNet、ShuffleNet、RegNet、Inception-ResNet、EfficientNet和Xception，每种架构均使用预训练的权重进行初始化。然后通过整合各种注意力机制模块进一步优化表现最佳的CNN模型Inception-ResNetV2，包括ECA（高效通道注意力）、CA（坐标注意力）、SA（空间注意力）、SE（挤压-兴奋）、CBAM（卷积块注意力模块）、ACmix（注意力卷积混合）和KNNA（K最近邻注意力）。数据集分为训练集（60%）、验证集（20%）和测试集（20%）。模型性能通过ROC-AUC、PR-AUC、F1分数、敏感性和特异性等指标进行评估。最终优化的模型在预测晚期胃癌患者的腹膜转移方面表现优异。

**CT检查与图像分割**
所有患者在手术前两周内接受了腹部增强CT检查，设备和采集参数详见S1表。患者需空腹过夜，并在扫描前饮用500-1000毫升水，以确保胃部充分膨胀以便清晰显示胃壁。扫描在仰卧位进行，同时要求患者屏住呼吸以减少呼吸运动伪影。静脉相位图像使用Picture Archiving and Communication System采集。肿瘤分割使用ITK-SNAP软件（版本4.0.2，http://www.itksnap.org/）完成。对于每位患者，确定肿瘤横截面最大的切片，并在该切片上绘制感兴趣区域（ROI）。如果最大横截面难以确定，则在连续三个切片上绘制ROI，然后选择累积像素面积最大的切片作为具有最大ROI的切片。分割过程由两位具有五年腹部CT解读经验的放射科医生协助完成。参与ROI划定的放射科医生仅知道胃癌诊断结果，对患者的影像和组织病理分期情况不知情，以尽量减少潜在偏见。

**图像预处理**
我们进行了图像预处理，以解决扫描协议和患者因素导致的强度分布不一致问题。首先将每个CT图像的窗口宽度调整为350，窗口级别调整为40，这是腹部CT中常用的设置，以获得足够的对比度来评估软组织和潜在肿瘤边界。随后对整个数据集应用Z分数标准化，以减少扫描间的强度值差异。从每个预处理的切片中，我们裁剪出一个包含ROI的矩形边界框，并使用Lanczos插值方法对图像进行重采样，以匹配每个模型所需的特定输入分辨率（例如，Xception和Inception-ResNetV2为299×299像素，其他架构为224×224像素）。每个处理后的图像都进行了彻底的视觉检查，以确保ROI的准确保存并排除任何显著伪影。

**CNN模型的开发**
由于CNN在医学图像分析中具有强大的特征提取和模式识别能力，因此被广泛采用。与视觉变换器相比，CNN具有较少的参数，并利用卷积和池化操作来捕获局部特征并实现空间不变性[30]，使其更适合处理小规模数据集（如医学CT图像）[31]。因此，本研究评估了多种CNN架构，包括ResNet50、DenseNet169、EfficientNet B2、Xception、RegNet(X-032)、ShuffleNet和Inception-ResNetV2。每种模型都有其独特优势：ResNet通过引入残差块解决了深度模型中的梯度消失问题，从而提高了训练效率和准确性[32]；DenseNet通过密集连接层增强了特征重用和梯度流动，使模型更加高效[33]；EfficientNet通过复合缩放实现了网络深度、宽度和分辨率之间的最佳平衡，获得了出色的性能与效率比[34]；Xception采用深度可分离卷积，显著提高了参数效率和计算性能[35]；RegNet引入了可配置的架构生成器，允许设计适应不同任务需求的网络[36]；ShuffleNet通过通道混洗优化了轻型网络的计算效率，非常适合资源有限的应用[37]；ShuffleNet还通过通道混洗优化了轻型网络的计算效率，非常适合移动应用[38]。通过结合多种经典的CNN模型，我们旨在全面评估和优化深度学习模型在预测腹膜转移方面的性能。

**CNN模型的训练与优化**
在模型训练过程中，我们首先使用训练数据集对模型进行训练，根据验证集的性能调整参数，然后使用测试数据集进行最终评估。我们通过使用预训练的ImageNet权重进行迁移学习，以提高学习效率和性能[39]。由于深度模型的复杂性以及在小数据集中容易过拟合的问题，我们对灰度CT图像采用了各种数据增强技术，包括随机水平翻转、垂直翻转和旋转。每种增强技术都以50%的概率应用于每个图像样本，以模拟不同的肿瘤位置和胃部形态，有效地增加了训练数据的多样性，并提高了模型的泛化能力[40]。此外，还采用了正则化优化器、dropout层和提前停止策略来防止过拟合。正则化优化器和dropout层有助于防止模型过拟合训练数据[41,42]，而提前停止策略则监控模型在验证集上的性能，并在开始过拟合时停止训练[43]。初始学习率设置为0.001，使用AdamW优化器，批量大小为4，dropout概率分别为0和0.3。所采用的损失函数是BCEWithLogitsLoss。为了提高模型性能，整合了注意力机制。传统的CNN模型在处理类别不平衡或细粒度分类任务时可能会忽略关键的局部特征。为了解决这个问题，我们将各种注意力机制集成到了Inception-ResNetV2模型中，以进一步提高分类性能。注意力机制指导模型关注图像的重要区域，同时忽略不相关或噪声信息，从而提高分类准确性和鲁棒性[44]。在确定Inception-ResNetV2模型在基础模型中表现最佳后，我们选择将该模型的不同注意力机制模块集成进来，以进一步优化其性能。我们尝试了几种注意力机制模块，包括Attention Convolutional Mix (ACmix)、CBAM、Coordinate Attention (CA)、Efficient Channel Attention (ECA)、K-Nearest Neighbors Attention (KNNA)、SE和Shuffle Attention (SA)。ACmix通过在保持计算效率的同时整合局部和全局信息来增强特征表示[45]。CBAM结合了通道注意力和空间注意力机制，以适应性地强化重要特征区域[46]。CA通过结合坐标信息捕捉长距离依赖性，同时保持空间位置信息[47]。ECA通过高效的通道注意力机制改进了特征选择能力，避免了计算复杂性的增加[48]。KNNA使用k最近邻机制识别并加强相似特征之间的关系[49]。SE模块通过适应性地重新校准通道特征来增强模型对关键特征的关注[50]。这些注意力机制被集成进来以细化模型的关注点并提高其整体分类性能。我们将上述注意力机制模块嵌入到模型的三个关键位置：在第一个Inception-ResNet-A模块之后、Reduction-A模块之后以及Reduction-B模块之后（具体模型结构如图2所示）。此外，为了解决类别不平衡的问题，我们引入了Focal Loss作为损失函数。Focal Loss是一种改进的交叉熵损失函数，它减少了易于分类样本的损失权重，并增加了对难以分类样本的关注，从而提高了模型在类别不平衡任务中的性能[52]。Focal Loss引入了一个调制因子α和权重参数，以减少易于分类样本的相对损失贡献，并强调难分类的少数类样本。损失函数定义为：

下载：PNG（更大图像）、TIFF（原始图像）
图2. 集成注意力机制的inception-ResNetV2模型架构。最佳基础模型Inception-ResNetV2的架构如图所示。在该模型中，注意力机制被集成在第一个Inception-ResNet-A模块之后，以及Reduction-A和Reduction-B模块之后。最终模型输出使用sigmoid激活函数生成，产生预测结果。
https://doi.org/10.1371/journal.pone.0349614.g002，其中????表示模型对真实类别的估计概率，???? ∈[0,1]用于平衡类别重要性，??≥0用于控制关注强度。在本研究中，进行了系统的超参数搜索，??的值为0.25、0.5、0.75和1.0，??的值为0.5–3.0。具体来说，权重因子??从0.25变化到1.0，以覆盖医学成像任务中常见的类别权重范围，其中少数类的比例通常在10–30%之间。关注参数??从0.5测试到3.0，遵循Lin等人[52]及后续工作的建议，因为这个范围内的值可以有效调节容易与难分类样本的贡献，而不会导致优化不稳定。这个范围确保了我们对数据集的理论覆盖和实证相关性，允许平衡地探索关注强度和类别权重效应。最佳组合（α=0.75，γ=2）产生了最佳的验证AUC，并在所有实验中使用。这种配置通过引导模型更多地关注困难和少数类样本，有效地缓解了类别不平衡问题，提高了对腹膜转移预测的敏感性。所有参数组合的全面结果在S2表中呈现。为了评估我们的最终模型——配备了SE注意力并在z-score标准化40/350 HU图像上训练的inception-ResNetV2模型的鲁棒性，我们进行了一个比较实验，将图像重新窗口化为30/300、50/150和50/400 HU，并在默认的40/350 HU窗口下进行最小-最大标准化。管道中的所有其他步骤保持不变。选择这些替代窗口设置是为了代表标准腹部软组织窗口（40/350 HU）周围的临床合理变化。30/300 HU范围对应于通常用于增强软组织细节的较窄窗口，但可能会饱和高衰减区域[53]，而50/150 HU和50/400 HU则扩大了窗口，以便捕捉更高密度的结构（如血管或钙化），但会降低软组织的对比度[54]。评估这些设置使我们能够系统地检查向更窄或更宽的强度范围的偏差是否会影响增强胃壁和周围腹膜脂肪之间的视觉区分。进一步比较了z-score和最小-最大标准化，以评估不同强度缩放方案对网络收敛性和表示稳定性的影响。此外，三种在单模块比较中取得最高ROC-AUC值的注意力机制在模型的三个注意力块中进行了排列组合，产生了六种候选配置。每种配置都从头重新训练，并在独立测试集上进行评估，以确定多注意力组合是否可以进一步提高性能。我们还使用Smooth Grad算法来可视化模型在CT图像上的关注区域。Smooth Grad是一种用于生成更可解释和视觉上连贯的显著性图的算法，突出模型在做出预测时关注的图像区域。通过在输入数据中添加少量随机噪声并平均所得到的梯度图，Smooth Grad减少了视觉噪声并清晰了显著区域，使得更容易理解和解释模型的决策过程[55]。这种方法提高了生成注意力图的可靠性，提供了对模型预测中最有影响力的特征的更清晰洞察。在训练过程中，初始学习率设置为0.001，使用AdamW优化器，批量大小为4，dropout概率设置为0和0.3。深度学习模型使用PyTorch 1.12.0、vision torchvision 0.13.0和Python 3.9.18实现。为了提高模型的可重复性，所有随机种子都设置为42。计算实验使用配备了NVIDIA GeForce RTX 4080 GPU和Intel Core i7-13700K CPU的系统进行。

性能评估
为了全面评估模型性能，我们首先使用ROC-AUC进行了判别能力评估，并通过精度-召回曲线和相应的PR-AUC进行了补充，以考虑类别不平衡的影响。使用DeLong的方法正式测试了注意力机制之间的ROC-AUC（以及相关情况下的PR-AUC）的成对差异。由于数据集不平衡（PM: non-PM ≈ 1: 4.5），单独的ROC-AUC可能会错过临床意义上的改进；因此，我们还报告了在Youden优化阈值下计算的类别特定操作特征——敏感性、特异性、阳性预测值和阴性预测值。使用500样本的自举校准曲线进行了校准，并通过Brier分数和对数损失进行了量化，而临床效用则通过DCA进行了总结，表示为净效益曲线下的面积（auc-NB）和最大净效益。所有ROC、PR、校准和DCA图都是使用Python 3.9.18（scikit-learn、matplotlib、decision-curve-py）生成的。校准自举和DeLong测试在R 4.3.0（rms，pROC）中进行。传统的临床数据统计在SPSS v22.0中进行。所有测试都是双侧的，统计显著性定义为P<0.05。

结果
本研究包括585名患者，分为训练集（349例）、验证集（118例）和测试集（118例）。平均年龄为56.11岁（标准差：11.91岁），其中男性388例（66.3%），女性197例（33.7%）。三个数据集的临床病理特征列在表1中，显示在年龄、性别、肿瘤位置、病理类型、淋巴结转移或腹膜转移方面没有显著差异，确认了可比性和适当的分组。

首先，我们使用测试集评估了几种经典的CNN模型在ROC-AUC、PR-AUC和F1-Score上的表现。ROC曲线显示在图3A中。Inception-ResNet2模型表现出优越的性能，ROC-AUC为0.952。尽管DeLong的测试没有显示出模型ROC曲线之间的显著差异，但Inception-ResNet2在PR-AUC和F1-Score上也表现优异，分别为0.799和0.756，如图4A所示。这些结果使其被选为进一步改进的基础模型。其他模型的详细性能指标列在表2中，不同dropout概率下的性能在图5A中提供。所有基础模型对测试集样本的预测概率显示在S3表中。

下载：PNG（更大图像）、TIFF（原始图像）
表2. 各种CNN模型的性能比较。
https://doi.org/10.1371/journal.pone.0349614.t002

下载：PNG（更大图像）、TIFF（原始图像）
图3. 不同模型在测试集上的ROC曲线。(A)显示了各种CNN模型在测试集上的ROC曲线；(B)展示了带有不同注意力机制的Inception-ResNet2模型的ROC曲线。
https://doi.org/10.1371/journal.pone.0349614.g003

下载：PNG（更大图像）、TIFF（原始图像）
图4. 不同模型在测试集上的性能指标线图。(A) 图A显示了各种CNN模型在测试集上的性能指标；(B) 图B展示了带有不同注意力机制的Inception-ResNet2模型的性能指标。
https://doi.org/10.1371/journal.pone.0349614.g004

下载：PNG（更大图像）、TIFF（原始图像）
图5. 不同dropout概率下各种模型的ROC-AUC。(A) 图A显示了在dropout概率为0和0.3时不同卷积神经网络模型的ROC-AUC值；(B) 图B显示了在dropout概率为0和0.3时带有不同注意力机制的Inception-ResNet2模型的ROC-AUC值。
https://doi.org/10.1371/journal.pone.0349614.g005

通过利用稳健的Inception-ResNet2模型作为基础，我们集成了各种注意力机制以进一步提高性能。性能提升通过绘制ROC曲线（图3B）和评估F1-Score及PR-AUC结果（图4B）来衡量。SE增强的Inception-ResNet2模型成为最佳表现者，实现了ROC-AUC为0.973、PR-AUC为0.908和F1-Score为0.818。各种模型的详细结果及其对应的dropout概率列在表3中，不同dropout设置下的模型性能额外数据在图5B中提供。结合不同注意力机制的模型对测试集样本的预测概率记录在S4表中。Inception-ResNetV2-SE模型大约包含5500万个参数，这导致每个训练周期的训练时间相对较长，相比较轻的架构来说。尽管如此，其推理速度仍然在临床上是可以接受的，处理四张CT图像的验证时间大约为1秒，证明了其在近实时应用中的可行性。不同模型之间的计算效率进行了全面比较，详见S6表。下载：PNG（大图）/ TIFF（原始图）。图6：使用Inception-ResNetV2-SE模型对腹膜转移预测的灵敏度和特异性。图表显示了使用增强型SE模块在不同概率阈值下的灵敏度和特异性曲线。x轴代表概率阈值（%），范围从0到100，y轴显示灵敏度（蓝线）和特异性（橙线）。确定了一个最佳阈值43%，实现了95.5%的灵敏度和90.6%的特异性，为临床决策提供了最佳平衡。链接：https://doi.org/10.1371/journal.pone.0349614.g006。下载：PNG（大图）/ TIFF（原始图）。图7：SE增强型inception-ResNetV2模型在训练、验证和测试集上的校准曲线。(A) 图A显示了测试集的校准曲线；(B) 图B显示了训练集的校准曲线；(C) 图C显示了验证集的校准曲线。链接：https://doi.org/10.1371/journal.pone.0349614.g007。下载：PNG（大图）/ TIFF（原始图）。图8：SE增强型inception-ResNetV2模型在训练、验证和测试集上的决策曲线分析曲线。(A) 图A显示了测试集的DCA曲线；(B) 图B显示了训练集的DCA曲线；(C) 图C显示了验证集的DCA曲线。链接：https://doi.org/10.1371/journal.pone.0349614.g008。下载：PNG（大图）/ TIFF（原始图）。图9：模型对肿瘤区域关注的平滑梯度可视化。图A展示了没有腹膜转移的胃癌患者的可视化结果；图B展示了有腹膜转移的患者的可视化结果。链接：https://doi.org/10.1371/journal.pone.0349614.g009。对关注机制的全面比较显示，各个关注模块之间的ROC-AUC差异无统计学意义（P > 0.05）。然而，SE模块取得了最低的Brier分数（0.079）和对数损失（0.278）以及最高的决策曲线净收益（auc-NB = 0.079）（见S7表）。这些发现表明，尽管ROC-AUC值相当，SE架构在校准和临床实用性方面更优。将网络三个块中的三个顶级关注模块进行排列，产生了六种集成配置；没有任何一种配置在任何指标上超过单一的SE-SE-SE模型，ROC-AUC差异>0.03，所有DeLong P值<0.05，表明仅通过通道级别的重新校准就能在整个模型中产生最大的协同效应（见S8表）。当在来自此比较实验的四种不同预处理变体上重新评估最终的Inception-ResNetV2-SE网络时，ROC-AUC下降到0.878–0.939，所有DeLong P值与基线相比<0.05，证实了临床推荐的40/350 HU窗口结合z分数标准化仍然是最佳选择（见S9表）。讨论：在这项研究中，我们系统地探索了通过比较各种CNN模型并引入关注机制模块来构建胃癌患者腹膜转移预测模型。Inception-ResNetV2模型表现出持续的强大性能，因此成为进一步优化的最佳选择。在后续研究中，我们通过添加各种关注机制模块来增强Inception-ResNetV2模型，以提高其性能。结果表明，带有SE模块的Inception-ResNetV2模型在多个互补指标上取得了良好的结果。因此，我们最终确定Inception-ResNetV2-SE模型作为预测T3/T4期患者是否存在腹膜转移的最终模型。该模型的灵敏度为81.8%，特异性为95.8%，ROC-AUC值为0.973，PR-AUC值为0.908，F1分数为0.818。成对的DeLong测试显示，三种关注变体之间的ROC-AUC差异无统计学意义（所有P > 0.05）。鉴于测试集规模小且不平衡（PM: non-PM ≈ 1: 4.5）以及所有模型的ROC-AUC值接近上限（> 0.94），这种差异较小（< 0.02），不足以使P < 0.05，这是可以预料的[56,57]。尽管如此，Inception-ResNetV2-SE模型在反映临床相关性的指标上始终优于其竞争对手：它实现了最佳的校准（Brier = 0.079；对数损失 = 0.278），在临床相关阈值下的最高净收益（auc-NB = 0.079），以及在召回率≥0.80时的最高精确度（0.82）。这些优势使得选择SE变体作为最终预测模型成为合理选择，并符合当前建议，即在验证AI工具用于高风险临床应用时，应将基于ROC的比较与校准和决策分析指标相结合[58–60]。在临床实践中，概率阈值可以设置为0.43，即当模型输出的概率超过此值时，预测为腹膜转移。在此阈值下，模型的灵敏度为95.5%，特异性为90.6%，在准确识别真阳性病例和最小化假阳性之间实现了最佳平衡。鉴于这种高的诊断准确性，将模型整合到临床工作流程中可以大幅减少不必要的分期腹腔镜检查，从而显著降低相关的医疗成本和患者负担。具体来说，模型预测概率高于43%的患者将接受分期腹腔镜检查以确认诊断，而低于该阈值的患者则可以避免这种侵入性程序。这种有针对性的分期腹腔镜检查对于检测通过常规影像学检查无法看到的临床隐藏的腹膜转移至关重要，可以防止不必要的非治疗性手术，从而为T3/T4期胃癌患者优化个性化治疗策略[61,62]。最终，实施这一预测模型可以更早、更精确地识别高风险患者，促进及时的治疗干预，并提高整体临床和经济效益。我们的研究通过与专门针对T3/T4期胃癌优化的CNN架构系统地结合关注机制而区别于以往的研究。与仅基于临床参数的机器学习模型（Zhou等人[63]）不同，我们的方法结合了基于成像的深度学习，实现了更全面的特征提取，显著提高了预测性能（ROC-AUC：0.973 vs. 0.745）。此外，与依赖手工制作的放射组学特征和传统机器学习分类器的Mirniaharikandehei等人[18]不同，我们的端到端深度学习框架避免了手动特征选择，并在保持高敏感度（81.8% vs. 43.1%）的同时显著提高了灵敏度。这突显了自动化深度特征学习在捕捉与腹膜转移相关的微妙影像生物标志物方面的优势。另外，Jiang等人应用了一个密集连接的CNN，但没有使用显式的关注机制，取得了0.933的ROC-AUC[17]。最近，Zhu等人开发了一个基于机器学习的CT放射组学生命 nomogram，用于晚期胃癌的OPM预测，在测试集中取得了0.835的AUC[64]。Zou等人进一步提出了一个多中心级联分割-分类DL框架，结合了基于V-Net的肿瘤分割和转移风险分类，在内部OPM测试队列中取得了0.916的AUC[65]。通过将Squeeze-and-Excitation（SE）关注模块集成到统一的CNN框架中，我们的模型增强了通道级别的特征重新校准，并改善了与腹膜转移相关的微妙CT影像模式的表示。与之前的基于临床参数的机器学习模型、手工制作的放射组学分类器和级联分割-分类深度学习框架相比，我们的方法提供了一个端到端的、针对高风险T3/T4期胃癌患者优化的关注增强模型。在此设置中，我们的模型取得了0.973的ROC-AUC，超过了上述方法的性能。这种设计减少了对临床变量的依赖或手工特征工程的依赖，并允许在同一CNN框架内系统地评估关注机制。因此，我们的研究为术前PM评估提供了一个更具体的预测框架，有可能改进风险分层并减少不必要的手术干预。在这项研究中，我们使用Smooth Grad算法对最终模型的关注区域进行了可视化分析。结果显示，模型主要关注CT图像ROI内的肿瘤边缘。与先前的研究一致，这一观察表明，胃癌肿瘤的微妙周边变化为评估腹膜转移提供了有价值的预测信息，从而提供了对模型决策机制的额外见解[61,66]。在模型选择阶段，比较了各种CNN模型的性能后，我们最终选择了Inception-ResNet2模型。该模型独特地结合了Inception模块在多个尺度上提取特征的能力和ResNet的高效残差块，有效缓解了深度网络中梯度消失的问题。Inception模块在多个尺度上提取特征的能力使模型能够捕捉图像中的复杂和多层次信息，这在处理复杂的医学影像数据时尤为重要。此外，ResNet的残差结构引入了跳跃连接，允许更深层次的网络训练，同时显著提高了稳定性和收敛速度[38]。在此基础上，我们进一步探索了通过添加不同的关注机制模块来增强模型性能的可能性。这些模块被嵌入到Inception-ResNet2模型的三个不同位置：第一个Inception-ResNet-A模块之后、Reduction-A模块之后以及Reduction-B模块之后。这种方法不仅增强了不同网络层之间的特征表示，还优化了整个特征提取过程，使模型在每个阶段都能从关注机制中受益。在我们的实验中，我们评估了几种关注模块，包括ACmix、CBAM、CA、ECA、KNNA、SE和SA，以确定它们在预测T3/T4期胃癌患者腹膜转移方面的有效性。我们的比较评估显示，引入SE模块显著提高了整体模型性能。尽管ROC-AUC的改进没有达到统计学显著性，但集成SE模块的Inception-ResNet2模型在其他评估指标上也取得了全面的提升，特别是在数据不平衡的情景中。SE模块采用的适应性加权机制有效地增强了模型选择性强调关键特征图的能力，从而提高了腹膜转移预测的精确度和可靠性[50]。我们的发现强调了通道级别重新校准在提高医学影像深度学习模型的灵敏度和特异性方面的重要性。相比之下，如CBAM和SA这样的模块同时结合了空间和通道关注，旨在捕捉广泛的空间-通道关系。ACmix和KNNA虽然提供了丰富的特征表示，但容易过拟合和参数收敛问题，尤其是在较小的、不平衡的医学影像数据集上。像CA和ECA这样的模块虽然提供了强调关键特征的有效机制，但仍引入了结构复杂性，可能会影响性能。相比之下，SE模块的简洁有效的通道重新校准策略直接调整了单个特征图的权重，在性能和复杂性之间实现了最佳平衡，从而减少了过拟合的风险并确保了模型的稳定收敛。当在Inception-ResNet2的三个预定义位置插入不同的关注机制时，所有六种顶级模块（SE、SA、ACmix）的组合组合都显示出低于统一SE–SE–SE架构的ROC-AUC（所有DeLong P < 0.05）。有几个因素可能解释了这一观察结果。首先，SE提供了纯粹的通道级别重新校准，这与静脉相胃CT的主要强度驱动线索最为契合[67]；混合空间或混合模块（SA、ACmix）可能会引入冗余或嘈杂的空间门控，从而稀释这些信号[68]。其次，在每个深度使用相同的关注模块保持了统一的重新校准策略，使特征分布和梯度流保持一致，而混合不同的模块既破坏了这种连续性，又引入了额外的参数——对于一个小而不平衡的数据集（约585例；PM: non-PM ≈ 1: 4.5），这些并发症无法可靠地优化，从而增加了过拟合的风险[69,70]。总体而言，这些因素表明，在每个关键阶段应用相同的轻量级通道关注提供了最具协同性和数据效率的增强。关于窗口设置和强度标准化的比较实验表明，图像对比度和缩放显著影响了模型性能。将CT扫描的窗口从临床推荐的40/350 HU调整到30/300、50/150或50/400 HU，ROC-AUC降至0.878–0.939，所有DeLong P值与基线相比<0.05。同样，用min–max标准化替换z分数将ROC-AUC降至0.923，并导致PR-AUC和F1分数的相应下降。与将体素强度集中在全局平均值附近并按标准差缩放的z分数不同，min–max将整个范围压缩到0~1，减弱了微妙的强度差异并饱和了异常值。这种压缩降低了网络可用的梯度，并削弱了SE模块所利用的通道重新校准信号[71]。结果在生理学上是合理的：40/350 HU的窗口设置能够最大化增强胃壁与周围脂肪之间的对比度，而较窄的窗口设置会使软组织强度饱和，较宽的窗口设置则会降低局部对比度[72]。结合最小-最大缩放技术，这样的窗口设置进一步均匀化了体素分布，并削弱了注意力机制所依赖的区分信息。这些发现强调了适当的窗口设置和统计标准化不仅仅是表面上的选择，而是决定深度学习性能的关键因素，特别是对于依赖精细强度梯度的基于注意力的架构而言。从实际应用的角度来看，计算效率是将AI模型应用于临床的关键考虑因素。尽管Inception-ResNetV2-SE网络包含大约5500万个参数，但其对四张CT切片进行推理的时间大约为一秒，仍然适合实时或接近实时的临床决策支持。这种效率与准确性的平衡表明，高容量架构可以在现代GPU上可行地部署，而不会产生过高的延迟。尽管如此，未来的工作可能会探索模型压缩、剪枝或知识蒸馏策略，以进一步降低计算开销并促进其集成到常规放射学系统中。尽管本研究取得了令人鼓舞的结果，但仍存在一些局限性。首先，这是一项单中心的回顾性研究。虽然我们将数据分为独立的训练集、验证集和测试集，但我们没有使用来自其他医院或地区的数据，因此模型的泛化能力仍有待验证。为了提高透明度和可重复性，已经在GitHub上公开了去标识化的静脉期CT肿瘤图像子集和最终模型实现代码，使其他研究人员能够重复和扩展我们的工作。未来的研究应包括外部多中心验证，以进一步确认模型的鲁棒性和临床适用性。其次，尽管相对较小的数据集对于医学AI研究来说是可以接受的，但可能会限制检测方法之间细微性能差异的统计能力。此外，还存在明显的类别不平衡，腹膜转移病例与非转移病例的比例约为1:4.5。尽管我们采用了多种策略（如大量的数据增强、使用Focal Loss来强调少数类样本以及在交叉验证中的分层采样）来缓解这种不平衡，但这可能会影响模型的整体性能和稳定性。随着通过持续的多中心合作获得更大、更多样化的数据集，可以进一步探索先进的数据合成或过采样技术（例如生成对抗网络）来减轻类别不平衡并提高模型训练的鲁棒性[73]。第三，本研究中的感兴趣区域（ROIs）是由放射科医生手动勾画的。对于临床实践而言，需要开发高性能的自动勾画算法来提高模型的实用性。然而，由于胃肿瘤与正常组织的对比度较低，实现高精度的自动分割仍然具有挑战性。未来的工作可以探讨将基于深度学习的分割模型整合进来，以自动化ROI的选择，从而减少观察者之间的差异并提高可重复性。第四，这项研究主要依赖于2D CT图像，尽管3D ROI可以提供更全面的肿瘤特征表示。目前，在深度学习模型中采用3D ROI面临几个挑战，包括有效处理复杂结构、更高的计算资源需求和大量数据需求[74,75]。第五，与大多数基于深度学习的模型一样，我们的方法本质上是一个“黑箱”系统。虽然我们利用Smooth Grad可视化部分阐明了模型对肿瘤周围区域的关注，但其内部的决策过程仍然只能部分解释。这一限制可能会降低临床透明度，并阻碍医生对AI辅助决策的信心。未来的工作应当整合可解释的AI技术（如特征属性图或注意力可解释性框架），以提供更透明的推理并促进临床接受度。此外，针对胃癌，鲁棒的3D自动分割算法仍在开发中[76]，这阻碍了3D方法直接集成到常规临床工作流程中。未来的一个有前景的研究方向是设计结合2D和3D的混合架构，在保持计算效率的同时利用体积数据[77]。此外，开发和整合更先进、可靠的肿瘤自动分割算法对于将这些基于3D的方法转化为实际临床应用至关重要。尽管我们的模型表现优异，但仍存在一些局限性。经过概率阈值调整后，模型的假阴性和假阳性率分别为4.5%和9.4%。因此，其预测结果应与其他诊断方式（如内镜超声和生物标志物）结合使用，以增强腹腔镜分期的决策。未来的研究应通过整合放射组学特征、临床参数、基于血液的生物标志物、基因组改变和组织病理学发现，探索全面的多模态集成。这种整体方法有潜力进一步提高模型的预测性能、增强其鲁棒性并提高其临床适用性。未来的前瞻性研究对于评估我们模型的临床适用性和验证其在临床决策中的实际影响至关重要，从而确保其在常规实践中的有效性。总之，本研究系统地评估了各种深度学习模型在基于CT图像预测T3/T4期胃癌患者临床隐匿性腹膜转移方面的有效性。结果表明，Inception-ResNetV2-SE模型在多个评估指标上优于其他模型。该模型的可靠性表明，使用它来识别高风险患者可以通过针对性的腹腔镜分期显著减少不必要的手术干预，从而改善患者预后。这项研究不仅扩展了深度学习技术在医学图像分析中的应用，还为胃癌患者的精准诊断和治疗提供了新的途径。