深度学习驱动的多视图多任务图像质量评估方法用于胸部CT图像
Jialin Su1, Meifang Li2,3, Yongping Lin4
1School of Optoelectronic and Communication Engineering, Xiamen University of Technology, Xiamen, 361024, China.
Biomedical engineering online
|December 7, 2023
概括
一种新的深度学习方法可以自动评估胸部CT图像质量,提高诊断准确度. 这种多视角,多任务的方法提高了效率,并减少了评估图像适合患者状况评估的人类错误.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 胸部计算机断层扫描 (CT) 图像质量对于准确的诊断至关重要.
- 手动图像质量评估是耗时的,容易出现人为错误.
- 需要自动化评估来提高效率和可靠性.
研究的目的:
- 开发和验证深度学习 (DL) 驱动的多视图多任务图像质量评估 (IQA) 方法.
- 评估胸部CT图像对于患者状况评估的适用性.
- 为了自动化诊断前的图像质量评估过程.
主要方法:
- 利用了327名患者的回顾性胸部CT图像 (1613名用于培训/验证,41名用于测试).
- 开发了一个DL驱动的M[公式:参见文本]IQA方法,使用跨冠状,轴心和斜面平面的多视图融合策略.
- 整合了四个特定的算法来评估灵感,位置,辐射保护和文物.
主要成果:
- 在测试组中,M[公式:见文本]IQA方法获得了87%的精度,93%的灵敏度,69%的特异性和0.90 F1得分.
- 废弃和比较研究证实了拟议算法的有效性.
- 在各种图像质量评估任务中表现出强大的概括性能.
结论:
- 一个DL驱动的M[公式:见文本]IQA方法与四个新的算法成功开发和验证.
- 该方法在自动化胸部CT图像质量评估方面显示出重大前景.
- 该研究证实了拟议的算法和整体方法的有效性.
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
616
