| 孙兆男，刘佳，崔应谱，刘想，张晓东，王霄英，林志勇，张耀峰.利用深度学习实现CT图像上肾脏肿瘤径线自动测量的临床可行性[J].放射学实践,2022,(03):374-379 |
| 利用深度学习实现CT图像上肾脏肿瘤径线自动测量的临床可行性 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2022.03.016 |
| 中文关键词: 肾肿瘤 深度学习 人工智能 分割 定量测量 结构化报告 |
| 基金项目:北京大学第一医院科研种子基金（2021SF29） |
|
| 摘要点击次数: 1523 |
| 全文下载次数: 1672 |
| 中文摘要: |
| 【摘要】目的：评估U-Net分割模型对肾脏肿瘤分割及径线测量的准确性。方法：回顾性收集本院PACS中2019年5月-2019年11月经手术病理证实的肾肿瘤患者的影像图像及结构式报告。排除未行手术治疗或病理结果未知的病例、图像及报告质量不合格及既往手术史的病例后，共纳入154例数据。从肾脏肿瘤结构式报告中导出医生测量值。利用U-Net模型自动分割肾脏肿瘤，并采用最小体积包围盒算法得到模型测量值。两位影像医生标注肾肿瘤，并采用最小体积包围盒算法得到参考值。对参考值、医生测量值、模型测量值三组数据进行统计学分析。结果：模型测量值与参考值相比，肾肿瘤短径、中径、长径之间的差异无统计学意义（P＞0.05）。肿瘤各径线的医生测量值均小于参考值，差异均具有统计学意义（P＜0.05）。肿瘤各径线的模型测量值大于医生测量值，差异均具有统计学意义（P＜0.05）。医生测量值与模型测量值的一致性高。结论：基于U-Net的肾肿瘤分割模型自动测量肿瘤径线具有临床可行性。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
