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: 374
全文下载次数: 423
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