在使用深度神经网络的胸部计算机断层扫描上,肺气的亚型
Weiyi Xie1, Colin Jacobs1, Jean-Paul Charbonnier2
1Department of Medical Imaging, Radboud University Medical Center, Nijmegen, The Netherlands.
Scientific reports
|August 29, 2023
概括
一种新的深度学习方法可以准确地识别肺气的亚型和严重程度,改善COPD管理. 这种自动化方法在预测准确性和与视觉分数一致性方面超过了以前的方法.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肺部医学 肺部医学
背景情况:
- 精确的肺气亚型和严重程度评估对于管理慢性阻塞性肺病 (COPD) 和了解疾病异质性至关重要.
- 手动分析耗时且主观,限制了临床实用性和研究.
- 现有的自动化方法表现中等.
研究的目的:
- 开发和验证基于深度学习的自动化系统,用于肺瘤亚型和严重程度分析.
- 用人工智能复制弗莱什纳学会的视觉评分系统.
- 改进现有的对肺瘤评估的自动化方法.
主要方法:
- 在COPDGene研究中的9650名受试者中训练并评估了一种深度学习算法.
- 该方法使用了回归训练策略来生成分类标签.
- 为可视化和定量分析生成了高分辨率的本地化激活地图.
主要成果:
- 深度学习算法实现了52%的预测准确度,超过了以前的方法的45%的准确度.
- 预测和视觉分数之间的一致性很好,超过了先前方法中适度的一致性.
- 该方法可以计算每肺的肺瘤参与率,并识别中心球体和囊肺瘤亚型.
结论:
- 拟议的深度学习方法提供了一个准确和自动化的解决方案,用于肺的亚型和严重程度分析.
- 与以前的技术相比,这种方法提供了更高的预测准确性和一致性.
- 该系统能够生成激活地图,从而能够进行详细的定量评估,并扩展亚型识别.


