机器学习切片智能全肺CT肺血症得分与气道阻塞相关
Mats Lidén1, Antoine Spahr2, Ola Hjelmgren3,4
1Department of Radiology and Medical Physics, Faculty of Medicine and Health, Örebro University, 701 82, Örebro, Sweden. mats.liden@regionorebrolan.se.
European radiology
|August 8, 2023
概括
一种新的基于神经网络的肺瘤评分方法,切片式全肺瘤评分 (SWES),与传统方法相比,与视觉评估和呼吸道阻塞有更好的相关性.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 医疗成像中的人工智能
背景情况:
- 定量CT成像是肺瘤的关键生物标志物,特别是在吸烟者中.
- 当前的定量方法往往与放射科医生的视觉评估缺乏强烈的相关性.
- 需要改进对肺的定量CT分析.
研究的目的:
- 开发和验证一种基于神经网络的全新切片智的全肺肺瘤评分 (SWES) 胸部CT.
- 将SWES的性能与传统的定量CT方法 (LAV950) 和视觉评分进行比较.
- 评估SWES与呼吸道阻塞的螺旋计测量结果的相关性.
主要方法:
- 在胸部CT数据上使用神经网络开发了SWES.
- 在独立队列上验证了SWES,包括瑞典心肺生物图像研究 (SCAPIS).
- 将SWES与LAV950进行比较,并使用相关性和ROC分析,参考螺旋计 (FEV1/FVC) 进行放射科医生的视觉肺气得分 (视觉总和).
主要成果:
- 在SWES中,与LAV950 (r=0.78对r=0.41,p<0.001) 相比,与视觉肺气得分的相关性显著更强.
- 与LAV950 (0.76对0.61,p=0.007) 相比,SWES显示了ROC曲线下预测气道阻塞的优越区域.
- 在所有队列中,SWES与FEV1/FVC的相关性比LAV950和视觉得分更强.
结论:
- 开发的SWES提供了对CT图像中肺的更准确的定量评估.
- 在与临床测量相关性方面,SWES的表现优于传统的基于值的评分 (LAV950) 和视觉评估.
- 在大规模的研究和临床环境中,SWES为肺瘤量化提供了一个有前途的工具.
更多相关视频
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.2K
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
633
