王丽鹃，刘自晓，黄浩霖，胡 伟，汪 洋，刘 洋，秦卫军，卢虹冰，徐肖攀

    (空军军医大学：1军事生物医学工程学系军事医学信息技术教研室，2西京医院泌尿外科，3西京医院放射科，陕西 西安 710032)

    膀胱癌是泌尿系统常见的恶性肿瘤，位居全球男性癌症发病率第6位，病死率第9位[1-2]，而淋巴结转移是膀胱癌预后差重要原因[3-4]，一旦发生盆腔淋巴结转移，患者5年生存率将大大降低[淋巴结阳性患者5年生存率(15%～31%)vs淋巴结阴性患者5年生存率(>60%)][5]，且淋巴结转移病例复发的概率远超阴性病例[淋巴结阳性患者复发概率(80%)vs淋巴结阴性患者复发概率(30%)]。此外，术前淋巴结评估对治疗策略的选择，特别是对于术前是否采用新辅助化疗和术中决定淋巴清扫范围等具有指导作用[4,6]，因此，准确预测淋巴结状态对于患者治疗策略的制定及预后评估具有重要意义。

    近年来随着机器学习方法的快速发展，构建基于影像的术前评估淋巴结转移的模型得到广泛关注[7-11]。针对膀胱癌淋巴结转移，国内中山大学林天歆团队分别基于对比增强计算机断层扫描(contrast enhanced computed tomography，CECT)和磁共振成像，构建了影像组学列线图[12-13]，用于评估及预测膀胱癌患者淋巴结转移，其中基于CECT的模型在训练集及测试集的受试者工作特征曲线下面积(area under the receiver operating characteristic curve，AUC)分别达到0.926 2和0.898 6[12]，显示出良好的评估性能，表明影像组学在预测膀胱癌患者淋巴结转移方面具有潜力。构建列线图模型需要专业的医生勾画肿瘤区域，引入了更多的人为因素，由于影像中还蕴含着大量非人工特征有待深度挖掘，对其充分利用或可进一步提高诊断效能。因此，本文拟采用多中心公共数据，研究基于膀胱癌患者术前CECT与深度学习框架构建预测模型 ......