| 赵宇，张晓岚，郑超，王敏红，洪薇，周运锋.基于低剂量胸部CT深度学习模型自动测量骨密度研究[J].放射学实践,2024,(02):262-266 |
| 基于低剂量胸部CT深度学习模型自动测量骨密度研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2024.02.019 |
| 中文关键词: 人工智能 骨密度 体层摄影术，X线计算机 骨质疏松 |
| 基金项目:科研能力“高峰”骨干KGF2019G13 XM_LHJY2022_05_13 |
|
| 摘要点击次数: 320 |
| 全文下载次数: 368 |
| 中文摘要: |
| 【摘要】 目的：评价基于低剂量胸部CT深度学习模型全自动测量与定量CT（QCT）手动测量骨密度的一致性。方法：回顾性分析2018年6月-2019年12月在弋矶山医院行低剂量胸部CT筛查联合定量CT（QCT）骨密度测量的1406例体检者的临床和影像资料。随机分为训练集（985例）和测试集（421例）。应用深度学习等方法构建骨分割模型等及内部组织校准模型，应用测试集检测其效能。以QCT结果作为参考标准，应用Spearman相关系数、组内相关系数、Bland-Altman分析两种测量方法的相关性和一致性；以QCT测量结果的骨质疏松（OP）诊断作为参考标准，应用ROC曲线评价其对OP的诊断效能。结果：训练集及测试集中深度学习模型与QCT的骨密度测量结果均呈正相关（训练集：r=0.957，P<0.001；测试集：r=0.955，P<0.001），组内相关系数为0.946（训练集）、0.945（测试集）。该模型在训练集中ROC曲线下面积（AUC）、灵敏度、特异度、准确度分别为0.986、47.5%、100%、95.7%；在测试集中分别为0.975、42.1%、100%、94.8%。结论：基于低剂量胸部CT深度学习模型和QCT的骨密度测量的一致性和相关性较好，初步实现了自动、快速的基于LDCT的骨质疏松筛查，但需扩大患者人群进一步优化和验证。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
