在肺查计算机断层扫描中量化肺气,具有强大的自动化叶片细分系统.

科学领域:

• 医学成像分析分析 医学成像分析
• 肺部医学 肺部医学
• 放射学 放射学是一门学科.

背景情况:

• 在肺查计算机断层扫描 (CT) 中基于解剖学的肺量化可以提高肺癌风险评估.
• 精确的肺叶细分对于这种分析至关重要,但现有的算法缺乏对肺查CT数据的验证.

研究的目的:

• 开发和验证一个自动化的叶片细分算法,用于在肺部查CT中强大的肺量化.
• 为了调查叶腔肺气和肺癌发病率之间的关联.

主要方法:

• 开发了一种使用自主监督培训,水平设置规范化和放射科医生注释的微调的自动化叶片细分方法.
• 在三个数据集上验证了算法,获得了0.93.3的外部验证子得分.
• 在国家肺部查试验队列中量化了叶片肺气,并分析了其与肺癌发病率的关联.

主要成果:

• 开发的算法获得了0.93的子得分,超过了领先的算法 (0.90).
• 右上叶低衰减体积增加与较高的肺癌发病率显著相关 (OR: 1.97;95% CI: [1.06, 3.66]),独立于其他危险因素.
• 定量叶膜肺气改善了模型适合预测肺癌发病率.

结论:

• 这项研究介绍了第一个自动化叶片细分算法,该算法在肺部查CT中具有吸烟相关病理学的稳定性得到了验证.
• 区域性肺气被确定为一种独立与肺癌发病率增加相关的定量风险因素.
• 该算法是公开可用于研究使用的.