文章摘要
朱逸峰,李雨师,孙兆男,张耀峰,李家轮,张晓东,王可欣,王霄英.基于深度学习建立颈椎病MR诊断模型研究[J].放射学实践,2024,(06):779-787
基于深度学习建立颈椎病MR诊断模型研究
  
DOI:10.13609/j.cnki.1000-0313.2024.06.011
中文关键词: 磁共振成像  颈椎病  深度学习
基金项目:
作者单位
朱逸峰,李雨师,孙兆男,张耀峰,李家轮,张晓东,王可欣,王霄英 100034北京北京大学第一医院医学影像科[朱逸峰(博士研究生在读期间所在医院)孙兆男张晓东王霄英]116027辽宁大连医科大学附属第二医院放射科[朱逸峰(现工作单位)、李雨师]100011北京北京赛迈特锐医学科技有限公司(张耀峰、李家轮)100069北京首都医科大学(王可欣) 
摘要点击次数: 71
全文下载次数: 92
中文摘要:
      【摘要】目的:探索利用深度学习方法在建立颈椎病MR诊断模型的可行性。方法:回顾性搜集本院2020年10月-2023年3月诊断为颈椎病患者的MR图像514例,使用已有颈椎分割模型在轴面T2WI上分别预测硬膜囊、脊髓、椎间盘、后纵韧带和黄韧带,在矢状面T1WI和T2WI上预测颈椎椎体和椎间盘。由一位低年资放射科医生(阅片经验2年)修改标注,另一位高年资放射科医生(阅片经验≥15年)对低年资医师的标注进行复核。按照颈椎病的不同诊断要点分别进行3D或2D深度学习分类模型训练,包括①颈椎椎体增生模型;②颈椎椎体滑脱模型;③颈椎间盘突出分类模型;④后纵韧带增厚模型;⑤黄韧带增厚模型。将模型输出结果导入R软件进行混淆矩阵分析及ROC曲线绘制,采用正确率、灵敏度、特异度、阳性预测值、阴性预测值以及ROC曲线下面积等评价5种模型的分类效能。结果:5种分类模型中诊断效能最好的是颈椎间盘突出分类模型,正确率0.90,灵敏度0.95,特异度0.85,ROC曲线下面积0.982。颈椎椎体增生和滑脱的正确率分别为0.81和0.80,灵敏度为0.74和0.76,特异度为0.84和1.00,ROC曲线下面积分别为0.855和0.905。后纵韧带和黄韧带增厚的模型正确率分别为0.82和0.77,灵敏度为0.78和0.84,特异度为0.86和0.70,ROC曲线下面积分别为0.902和0.929。结论:本部分研究采用深度学习方法建立了颈椎病MR的自动分类诊断模型,对颈椎椎体增生、滑脱、椎间盘突出、后纵韧带及黄韧带增厚进行了分类模型训练,证明深度学习方法可以用于颈椎病MR的辅助诊断,为未来进一步探索建立颈椎病MR自动诊断模型及结构化报告的植入奠定了基础。
      
查看全文   下载PDF阅读器
关闭