李文鑫，杨慧敏，郭兰田（通信作者）

（1 滨州医学院附属医院放射科 山东 滨州 256603）

（2 滨州医学院医学影像学院 山东 烟台 264003）

腮腺肿瘤约占头颈部肿瘤的3%～6%，其中良性肿瘤约占80%，多形性腺瘤、沃辛瘤（Warthin tumor,WT）常见[1]。多形性腺瘤易恶变及复发[2]，通常采取部分或全部腮腺切除术[3]；沃辛瘤术前诊断明确时应尽量避免手术[4]。而恶性肿瘤的首选腮腺全切除术联合放疗[3]。目前，常用的检查方法包括影像学检查如超声、CT、MRI 和细针穿刺细胞学检查，前者主要通过肿瘤的大小、形态、位置、边缘、密度或信号及强化方式等征象并结合相关临床资料进行诊断，但其影像表现不典型时易误诊[5]；而后者存在肿瘤细胞种植转移以及诱发腮腺炎的风险[6]。因此，术前准确、无创地进行肿瘤分类对治疗方案的选择至关重要。影像组学作为人工智能与医学影像领域交叉融合的产物，最早由Lambin 等[7]提出，能够无创地从医学图像中高通量提取定量数据，这种特征可以体现人眼无法辨认的病灶微观或分子水平上的改变[8]，其思想是源自实体肿瘤的基因、蛋白质、微环境等存在时间和空间上的异质性。而深度学习作为机器学习的一个子集，相较传统影像组学，深度学习神经网络的多层结构能够自动学习更为丰富的影像学特征，有助于提高肿瘤分类性能[9]。

1 基于超声影像组学在腮腺肿瘤鉴别中的应用

超声具有无创、无辐射等优点，但是病变间特征存在重叠且受限于操作者的主观经验，因此需要更客观的方法评价超声图像。……