雷大鹏教授团队在EClinicalMedicine（中科院一区，IF=15.1）在线发表题为“Comparing three-dimensional and two-dimensional deep-learning, radiomics, and fusion models for predicting occult lymph node metastasis in laryngeal squamous cell carcinoma based on CT imaging: a multicentre, retrospective, diagnostic study”的论著，该文介绍了由齐鲁医院团队牵头开展的多中心、回顾性、诊断性队列研究——“利用人工智能算法预测喉癌隐匿性淋巴结转移”的最新研究成果。

文章显示，基于CT图像的三维深度学习特征比传统的二维深度学习特征和影像组学特征具有更强的判别能力和更少的内部冗余。通过融合三维、二维深度学习和影像组学特征构建的多域融合模型DLRad_DB在所有研究队列中获得了最高的预测性能（AUC=0.89-0.90）。此外，研究创新性的发现，多域融合策略影响模型的融合效果。在本研究课题中，基于决策的后融合策略优于基于特征的前融合策略。这可能与深度学习和影像组学特征的共线性相关。   

相关链接：https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(23)00562-X/fulltext