外部验证,放射性评估,以及深度学习的发展,在增强对比度的胸部CT CT中自动细分肺部
Krit Dwivedi1,2, Michael Sharkey3, Samer Alabed4
1Department of Infection, Immunity & Cardiovascular Disease, Medical School, University of Sheffield, Sheffield, UK. k.dwivedi@sheffield.ac.uk.
European radiology
|September 29, 2023
概括
这项研究开发了一种精确的CT肺血管造影 (CTPA) 肺部细分模型. 该模型在患有肺高血压和间歇性肺病的不同患者队列中显示出最小的临床错误,有助于临床翻译.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 肺部疾病的诊断 肺部疾病的诊断
背景情况:
- 在CT肺血管造影 (CTPA) 中精确的肺部细分对于临床应用至关重要.
- 评估人工智能模型的性能,局限性和故障点对于临床翻译至关重要.
- 这项研究解决了在不同患者群体中需要强大的CTPA肺部细分模型的需求.
研究的目的:
- 使用nnU-Net.开发和评估一个准确的CTPA肺部细分模型.
- 评估模型在两个不同的患者队列中的表现:肺高血压 (PH) 和间歇性肺病 (ILD).
- 对模型输出进行放射性评估,以了解临床意义和局限性.
主要方法:
- 使用多中心数据的nnU-Net基于细分模型的回顾性开发.
- 在225名PH患者和28名ILD患者的联合队列上进行培训,测试和临床评估.
- 使用子得分系数 (DSC) 和规范表面距离 (NSD) 进行定量评估,随后进行放射科医生对临床意义的审查.
主要成果:
- 该模型实现了高精度,平均DSC为0.990和NSD为0.983.
- 在所有案例中都没有观察到细分失败.
- 放射学审查表明,18% (内部) 和25% (外部) 的病例中临床上无意义的错误,只有一个 (0.5%) 的临床上有意义的错误.
结论:
- 开发的CTPA肺部细分模型是准确的,并经过外部验证.
- 该模型显示最小的临床错误,支持其在临床实践中用于肺体积和疾病量化.
- 强大的放射学审查对于AI模型在医学成像中的临床转化至关重要.
