基于多实例学习的肺结节系统,用于在小视野重建后评估CT质量
Yanqing Ma1, Hanbo Cao1, Jie Li1
1Department of Radiology, Zhejiang Provincial People's Hospital (Affiliated People's Hospital, Hangzhou Medical College), Hangzhou, 310014, Zhejiang, China.
Scientific reports
|February 7, 2024
概括
小视野CT (sFOV-CT) 与传统CT (c-CT) 相比,可以更好地检测肺结节. 一个多实例学习 (MIL) 系统发现了更显著的差异,突出了sFOV-CT.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 机器学习用于图像分析.
背景情况:
- 小视野CT (sFOV-CT) 增强了像素密度,并减少了气道结构中的部分体积效应.
- 多实例学习 (MIL) 是一种弱监督的机器学习方法,用于自动化图像质量评估.
- 评估传统CT (c-CT) 和sFOV-CT之间的差异对于优化肺结节检测至关重要.
研究的目的:
- 为了比较c-CT和sFOV-CT之间的图像质量和结节检测.
- 评估基于MIL的肺结节系统与放射科医生评估的有效性.
- 为了确定图像特征和信号噪声比的定量差异.
主要方法:
- 追溯分析112名患者的胸部CT扫描 (c-CT和重建的sFOV-CT).
- 两个放射科医生对结节特征进行主观评估.
- 使用基于MIL的肺结节系统 (c-MIL和sFOV-MIL) 进行客观分析,并计算SNR-肺和CNR-结节.
主要成果:
- 放射科医生评估发现最小CT值是c-CT和sFOV-CT之间的显著差异.
- 在大多数特征中,MIL系统检测到c-MIL和sFOV-MIL之间的统计学上显著差异,超过了放射科医生的发现.
- 与c-CT相比,sFOV-CT显示结节 (CNR-结节) 的对比度与噪声比率显著更高,而SNR-lung没有显著差异.
结论:
- 与c-CT相比,sFOV-CT显示出更高的图像质量,特别是在CNR结节中.
- 基于MIL的系统在检测CT模式之间的微妙图像质量差异方面比放射科医生更敏感.
- 在临床实践中,sFOV-CT有可能改善肺结节的表征和检测.
