刘想，崔应谱，韩超，孙兆男，张耀峰，王祥鹏，张晓东，王霄英

前列腺癌多见于老年男性，其发病率位于男性恶性肿瘤的第2位，约为15%[1]。骨盆和脊柱是前列腺癌最常见的远处转移好发部位，转移发生率高达65%～90%[2]。对于骨转移患者，在积极治疗原发病灶的同时应预防和治疗骨转移及骨相关事件[3]。因此，在临床实践中及时准确地检出骨转移病灶是重要的诊断任务之一。

临床上根据症状和前列腺特异性抗原(prostate specific antigen,PSA)水平来判断有无转移灶，但敏感性和特异性均欠佳[4]。研究发现，有32%的去势抵抗性前列腺癌(castration-resistant prostate cancer,CRPC)患者在临床上被认为无转移症状而在行影像学检查时发现有转移灶[5]。检测前列腺癌骨转移的影像学方法包括CT、MRI以及核素骨扫描，这些方法具有较高的敏感度但特异度低[6]。扩散加权成像(DWI)是前列腺癌多参数(multiparametric，mp)-MRI检查的功能成像序列之一，对前列腺癌骨转移的检测敏感度高于常规MRI，且较核素骨扫描的敏感性、特异性及准确性更高[7-8]。但DWI图像上骨盆结构和信号复杂，骨转移灶表现多样，假阳性和假阴性病灶仍会对诊断造成困扰[9]。

影像组学是一种可对多种医学图像进行特征提取和建模的技术手段，目前已被广泛用于疾病的诊断和鉴别诊断、临床分期、治疗评价和预后评估中[10-13]。但影像组学建模对图像标注要求较高，人工标注耗时且标注区域的差异也会影响模型的效能[14]。本研究基于DWI图像，在应用3D U-Net深度学习网络[15]对盆腔骨结构进行自动分割的基础上，建立影像组学模型来判断前列腺癌患者的盆腔骨质结构有无骨转移灶。……