摘要
背景
在术前准确区分良性与恶性腮腺肿瘤对于指导手术计划和治疗决策至关重要。然而，早期恶性肿瘤在增强CT图像上往往缺乏明显的影像特征，这使得诊断变得具有挑战性。
目的
本研究旨在开发一种基于多视图学习框架的人工智能（AI）辅助诊断系统，并评估其在增强CT图像上的诊断性能。
方法
在这项回顾性研究中，从北京大学口腔医学院和医院（2015–2023年）收集了578名患者（472例良性，106例恶性）的增强CT图像，这些患者的腮腺肿瘤均经过病理学确认。所开发的AI系统包括一个基于U-Net的分割网络和一个多视图分类模型，该模型利用多角度重建的图像和多数投票策略进行病例级别的分类。诊断性能通过准确率、敏感性、特异性以及接收者操作特征曲线下面积（AUROC）来评估。
结果
nnU-Net模型在115个测试案例中平均Dice得分为0.90，IoU为0.83，实现了精确的分割且异常值极少。在测试集的诊断分类任务中，ResNet模型的表现优于其他评估的神经网络，准确率达到89.7%，AUROC为85.7%。该模型正确识别出了57.1%（8/14）的恶性肿瘤和96.9%（62/64）的良性肿瘤。
结论
所提出的AI辅助诊断系统在术前区分良性与恶性腮腺肿瘤方面表现出良好的性能。该系统有望成为临床决策和手术规划的宝贵辅助工具，最终改善患者的治疗效果。
