| 王军，何生，张智星，梁敏茜，姜增誉，李健丁.基于深度学习方法对儿童腺样体肥大进行准确诊断和分级[J].放射学实践,2022,(09):1143-1149 |
| 基于深度学习方法对儿童腺样体肥大进行准确诊断和分级 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2022.09.016 |
| 中文关键词: 腺样体肥大 A/N比值 鼻咽侧位X线片 放射摄影术 深度学习 |
| 基金项目: |
|
| 摘要点击次数: 1382 |
| 全文下载次数: 1527 |
| 中文摘要: |
| 【摘要】目的：评估深度学习方法在鼻咽侧位X线片上自动测量儿童腺样体肥大的可行性、准确性和可靠性。方法：X线图像被人工标注并分为训练、验证和测试数据集。利用训练集和验证集对多分类U-Net和Res U-Net深度学习网络进行训练，然后分别用两种方法对测试集图像进行分割。将两种方法的分割结果进行比较，选择出最佳的分割方法，并利用Matlab所构建的测量模型自动测量腺样体/鼻咽腔(A/N)比值。将自动测量方法（AMS）测得的A/N值分别与由主任医师、主治医师、住院医师手工测量的A/N值进行比较。以主任医师的测量结果为标准，计算AMS、主治医师、住院医师的准确率。结果：与U-Net相比，Res U-Net在测试集有更好的分割性能，并获得了总体上与主治医师水平相当，但比住院医师更准确的A/N结果。在对正常、中度肥大和病理性肥大腺样体的分级中，AMS的准确率分别为93.75%、93.02%和96.00%，主治医师的准确率分别为100%、83.72%和96.00%，而住院医师的准确率分别为68.75%、69.77%和84.00%。统计学分析结果显示，在正常组、中度肥大组以及病理性肥大组中AMS与主任医师、主治医师的测量结果差异均无统计学意义（P值均>0.05）；AMS与住院医师在正常组和中度肥大组中的测量结果差异有统计学意义（P<0.05），在病理性肥大组中差异无统计学意义（P>0.05）。AMS所需的测量时间分别为主任医师、主治医师和住院医师手工测量时间的22%、21%和18%，AMS与主任医师、主治医师、住院医师的测量时间比较差异均有统计学意义（P值均<0.05）。结论：基于Res U-Net的自动测量方法可以快速测量腺样体A/N比值，达到主治医师的测量水平，且能够提高住院医师的测量水平，辅助各级医师减少测量所需时间，有助于临床快速、精确诊断。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
