初步探索基于深度卷积神经网络（DCNN）构建的克罗恩病（CD）肛瘘磁共振成像（MRI）诊断模型效能。
方法采用回顾性研究方法，随机纳入2014年1月至2019年12月中山大学附属第六医院收治的200例初诊CD肛瘘患者和200例初诊腺源性肛瘘患者，每组按8∶1∶1分配至训练集、验证集和测试集。收集所有患者肛管MRI图像，预处理增强图像质量。采用Pytorch深度学习框架和Windows10计算机操作系统，基于4种DCNN（MobileNetV2、VGG11、ResNet18和ResNet34）构建CD肛瘘和腺源性肛瘘的MRI鉴别诊断模型。每种模型根据是否结合迁移学习策略，分为迁移学习型（T）和非迁移学习型（U）。首先，输入训练集（CD肛瘘和腺源性肛瘘患者各160例，共78 321张MRI图像）图像数据，迭代训练至损失最小。然后，根据验证集（CD肛瘘和腺源性肛瘘患者各20例，共9697张MRI图像）的结果选择最佳的训练模型。最后，在测试集（CD肛瘘和腺源性肛瘘患者各20例，共9260张MRI图像）进行诊断效能评估。绘制每种预测模型的受试者操作特征（ROC）曲线并计算曲线下面积（AUC）。采用DeLong检验比较不同模型之间以及预测模型与不同年资放射科医生之间AUC的差异。
结果结合迁移学习策略的4种诊断模型的效能分别为MobileNetV2-T（AUC=0.943，95%CI：0.820 ~ 0.991），VGG11-T（AUC=0.935，95%CI：0.810 ~ 0.988），ResNet18-T（AUC=0.920，95%CI：0.789 ~ 0.988），ResNet34-T（AUC=0.929，95%CI：0.801 ~ 0.986）。结合迁移学习策略的4种模型AUC均高于低年资放射科医生（均P