| 孙兆男， 崔应谱， 刘想， 张晓东， 王霄英， 刘伟鹏， 王祥鹏， 黄嘉豪.利用深度学习实现腹盆部CT图像范围及期相分类：临床验证研究[J].放射学实践,2021,(04):551-555 |
| 利用深度学习实现腹盆部CT图像范围及期相分类：临床验证研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2021.04.025 |
| 中文关键词: 体层摄影术，X线计算机 深度学习 图像分类 质量控制 |
| 基金项目: |
|
| 摘要点击次数: 2376 |
| 全文下载次数: 2536 |
| 中文摘要: |
| 【摘要】目的：探讨基于深度学习的分类模型对腹盆部CT图像范围及期相进行自动分类的可行性。方法：回顾性搜集本院2019年10月14日－2019年10月18日PACS中连续416例患者的腹盆部CT图像（数据集A）。按照扫描范围分为腹部、腹盆部、盆部三类，按照扫描期相分为平扫、动脉期、门静脉期、延迟期和排泄期五类。以3D-ResNet为基础架构，训练CT图像范围及期相的分类模型。利用该模型预测2020年1月1日－2020年1月3日本院连续657例患者的腹盆部CT图像（数据集B）。以影像医师的分类结果为金标准，采用混淆矩阵评价模型的分类效能。结果：在数据集B中，扫描范围分类模型在腹部、腹盆部和盆部的符合率分别为95.7%（243/254）、98.4%（362/368）和94.3%（33/35）。对数据集B中的腹部图像进行分析，扫描期相分类模型在平扫、动脉期和门静脉期的符合率分别为100.0%（77/77）、97.6%（82/84）和100.0%（11/11）；对数据集B中腹盆部图像进行分析，扫描期相分类模型在平扫、动脉期、门静脉期、延迟期和排泄期的符合率分别为96.6%（144/149）、100.0%（9/9）、100.0%（106/106）、66.7%（44/66）和100.0%（32/32）；对数据集B中盆部图像分析，扫描期相分类模型在平扫、门静脉期、延迟期和排泄期的符合率分别为100.0%（13/13）、70.0%（7/10）、88.9%（8/9）和100.0%（1/1）。结论：通过深度学习模型建立腹盆部CT图像性质分类模型的准确性基本可达到临床要求。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
