《临床放射学杂志》发表论文赏析
作者:梁奕, 柳柏玉, 陶静雄, 凡娜, 范文辉, 杜柏林, 王晏文
单位:430010 武汉,长江航运总医院 武汉脑科医院医学影像科梁 奕、柳柏玉、陶静雄、凡 娜、范文辉、杜柏林;神经内科王晏文
摘要:目的本研究旨在构建一种基于颅脑CT成像的深度学习算法进行高血压脑出血患者颅内血肿分割和血肿扩大的预测。方法回顾性分析500例因高血压脑出血行颅脑CT平扫的患者资料。所有患者在症状出现后6 h内进行基线CT扫描,并在随后24 h内进行CT复查,比较血肿是否扩大。为构建血肿分割与血肿扩大预测模型,患者按照7∶3比例随机分为训练集和测试集。训练集共包含350例患者,用于训练模型,测试集包含150例患者,用于模型的验证。模型采用基于Attention U-Net的网络框架对颅脑CT的血肿进行自动分割并采用基于ResNet-34的网络对血肿扩大进行预测。分割模型的准确度评估采用均交并比(MIoU)和Dice系数作为评价指标。预测模型准确度评价采用受试者工作特征曲线下面积(AUC)。临床定量资料以平均±标准差表示,若符合正态分布及方差齐性检验,则采用独立样本t检验比较其差异性,不服从正态分布的连续变量比较采用Mann-Whitney U检验。P<0.05认为差异存在统计学意义。结果血肿扩大组和非血肿扩大组在年龄(P=0.211)和性别(P=0.213)方面差异无统计学意义。非血肿扩大组的血肿体积(16.7 ml vs.26.7 ml,P<0.001)、血肿直径(41.7 mm vs.48.9 mm,P<0.001)较血肿扩大组明显变小。分割模型的MIoU和Dice系数为0.89和0.90。预测模型的AUC值为0.909(95%CI:0.851~0.949),敏感度和特异度分别为81.58%(95%CI:65.7%~92.3%)、96.43%(95%CI:91.1%~99.0%)。结论基于颅脑CT图像的深度学习系统可以精准分割颅脑血肿和进行血肿扩大预测。
关键词:血肿扩大,高血压,深度学习,体层摄影术,X线计算机
基金资助:武汉市卫生健康委科研计划资助项目(编号:WX21D84)
2023年9期其他文献查阅:
基于CT图像的深度学习预测高血压脑出血早期血肿扩大的应用研究
18F-FDG PET/MR在鼻咽癌分期中的价值研究及半定量分析
基于CT影像组学列线图鉴别甲状腺乳头状癌与结节性甲状腺肿的价值
基于PET/CT不同SUV阈值计算的代谢参数与非小细胞肺癌TNM分期的相关性分析
心脏磁共振特征衍生的左心房应变及应变率参数用于中国健康成人的初步研究
基于不同感兴趣区的多参数MRI影像组学在前列腺癌侵袭性评估中的应用研究
基于多参数MRI影像组学结合PI-RADS v2.1和临床指标的新型列线图预测临床显著性前列腺癌
DCE-MRI、DWI联合ROMA模型对卵巢交界性、Ⅰ期恶性肿瘤的鉴别价值
DTI扫描与常规MRI检查在评估足月儿缺氧缺血性脑病严重程度的价值
非侵入性肝纤维化诊断模型对肝癌DEB-TACE术后急性肝功能恶化的预测与生存分析
骨外尤文肉瘤/原始神经外胚层肿瘤的CT及MRI表现与病理分析