M3DFuseNet：一种集成3D多序列全局–局部信息的融合网络用于肝细胞癌微血管侵犯的术前预测

黄倩¹，贺文轩¹，孙意¹，邱文成¹，庄银平¹，徐鹏²，巩萍 ¹

(1.    徐州医科大学 医学影像学院，江苏 徐州 221004；2. 徐州医科大学附属医院 放射科，江苏 徐州 221006)

摘要： 肝细胞癌（HCC）患者术前微血管侵犯（MVI）的准确预测对于指导手术方案制定及术后辅助治疗具有重要的临床意义。目前已有多种基于深度学习的多序列融合方法用于该任务，但大多数方法未能充分挖掘多序列 MRI 之间的互补信息，导致预测性能受限。针对此问题，本研究提出了一种集成多序列MRI的三维融合网络（M3DFuseNet）用于MVI 的术前预测。M3DFuseNet以 3D ResNet-34 作为骨干网络，分别从不同 MRI 序列中提取多尺度特征，并构建全局感知模块（GAM）和局部感知模块（LAM）对特征进行融合。其中，GAM 通过引入位置编码和注意力机制，有效捕获不同序列之间的全局交互关系；LAM 采用自底向上的特征聚合路径，并结合自适应加权策略，对多尺度特征进行逐级融合。最终，融合后的全局特征和局部特征被输入到分类器进行 MVI 预测。本研究在来自徐州医科大学附属医院和东方肝胆外科医院的多序列MRI数据集上进行了验证。M3DFuseNet 在内部验证集上的准确率为 0.894 ± 0.016，曲线下面积（AUC）为 0.917 ± 0.033；在外部测试集上的准确率为 0.814，AUC为 0.829。研究结果表明，M3DFuseNet 在辅助肝癌患者术前临床决策方面具有巨大潜力。

关键词: 多序列融合，肝细胞癌，微血管侵犯，深度学习，全局感知模块，局部感知模块  

扫二维码浏览全文 

Cite this article

Huang, Q., He, W., Sun, Y. et al. M3DFuseNet: Multi-Sequence 3D Fusion Network via Global-Local Integration for Preoperative Microvascular Invasion Prediction in Hepatocellular Carcinoma. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2918-9