| 高越，王可欣，张耀峰，孙玉梦，张晓东，王霄英.基于深度学习在CT图像上分割胆囊的研究[J].放射学实践,2024,(06):755-760 |
| 基于深度学习在CT图像上分割胆囊的研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2024.06.007 |
| 中文关键词: 深度学习 胆囊 体层摄影术，X线计算机 人工智能 图像分割 |
| 基金项目: |
|
| 摘要点击次数: 331 |
| 全文下载次数: 422 |
| 中文摘要: |
| 【摘要】目的:基于深度学习方法训练模型，研究其用于腹部CT图像上分割胆囊并自动测量的可行性。方法:从本院PACS系统搜集2016年1月12日至2021年5月28日行腹部CT检查的患者，从中选取1154位患者的1181次CT检查图像，共得到2559个图像序列用于训练模型。由2位影像科医师标注胆囊，将全部数据按8：1：1的比例随机分为训练集（n＝2043）、调优集（n=245）和测试集（n=271），训练3D U-net模型分割胆囊并自动测量。另搜集2022年9月10-19日的腹部CT扫描图像，随机选取共141位患者的141次检查的270个图像序列作为外部验证数据集。以外部验证集的预测结果评价模型的效能。使用Dice相似系数（DSC）、体积相似度（VS）和Hausdorff距离（HD）定量评价模型分割胆囊区域的效能。使用Bland-Altman分析评价模型自动测量的胆囊体积、径线、平均CT值与医师标注测量值的一致性。结果:外部验证集的DSC、VS、HD分别为0.980(0.970，0.980）、0.990（0.990，1.000)、1.69 (1.27，2.45)mm，各数据集之间DSC、VS和HD的差异均有统计学意义（P均<0.001）。外部验证集中模型预测和医师标注测量的胆囊体积、CT值、三维径线的95%一致性界限（LoA）的可信区间分别为（-2.07，3.36）、（-1.55，1.15）、（-1.28，1.47）、（-3.34，4.07）和（-1.11，2.15），分别有2.6%、3.7%、3.7%、1.1%和3.7%的点落在95%LoA以外。结论:基于深度学习模型可在腹部CT图像上自动分割胆囊区域，是将来进一步胆囊病变智能诊断的基础。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
