额·图娅，郭小超，王可，黄嘉豪，王祥鹏，张晓东，王霄英

动态对比增强(dynamic contrast-enhanced,DCE)-MRI能够准确直观地显示病灶形态和血供，对腹部疾病的检出、鉴别诊断和术前分期等具有较高的临床应用价值，是诊断腹部病变的常用影像检查技术。在DCE-MRI多期相图像中，病灶在不同期相具有不同的特征性表现，诊断时医师首先需识别图像是哪个扫描期相的，再结合病灶的表现做出定性判断[1]。这个过程不仅适用于医师，也适用于人工智能(artificial intelligence，AI)软件对疾病的诊断。

既往多项研究发现，AI影像诊断模型的准确性受到图像质量的影响，图像序列识别有误、图像质量不合格等均会导致AI模型的诊断准确性降低[2-3]，因此在AI诊断模型广泛应用于临床之前需要先完成识别图像性质的工作。本研究中利用深度学习方法训练出能对上腹部DCE-MRI图像的不同期相进行自动分类的AI模型，此模型能挑选出合格的增强扫描各期相的图像输入到后续的AI诊断模型中，以保证AI诊断模型的准确性。

材料与方法

本研究获得了本院伦理审查委员会的批准(2017-1382)，按照本单位人工智能模型训练规范来设计和执行研究方案。

1.用例定义

根据本单位AI训练管理方法，首先定义研发上腹部DCE-MRI扫描期相分类模型的用户样例(use case)。包括上腹部DCE-MRI图像性质分类AI模型的名称(identity document，ID)、临床问题、场景描述、模型在实际工作中的调用流程以及模型输入和输出数据结构等。将此次建立的AI模型的输出结果定义为平扫、动脉早期、动脉晚期及门静脉-延迟期。……