在DECT上自动检测MSU沉积物的深度学习:评估对效率和读者信心的影响
Shahriar Faghani1, Soham Patel2, Nicholas G Rhodes2
1Artificial Intelligence Laboratory, Department of Radiology, Mayo Clinic, Rochester, MN, United States.
Frontiers in radiology
|March 5, 2024
概括
用于双能CT (DECT) 痛风诊断的深度学习 (DL) 算法减少了实习放射科医生的阅读时间,并通过检测单酸盐 (MSU) 晶体提高了准确性. 诊断信心保持不变.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 双能CT (DECT) 通过识别单酸盐 (MSU) 晶体,有助于诊断痛风.
- 在DECT上自动检测MSU晶体可以提高效率和准确性.
- 目前对MSU晶体沉积物的手动识别是耗时的.
研究的目的:
- 评估一种深度学习 (DL) 算法,用于检测MSU晶体沉积在DECT.上.
- 评估DL工具对放射科医生阅读时间,诊断准确性和信心的影响.
主要方法:
- 一位主治放射科医生和一名研究员审查了30个DECT扫描,使用DL工具和不使用DL工具.
- 阅读时间,诊断信心和准确性被记录并进行统计分析.
- 该DL算法旨在检测绿色像素表示MSU晶体的绿色像素.
主要成果:
- DL工具显著减少了实习放射科医生 (p=0.02) 的阅读时间,但并没有减少治疗人员 (p=0.15) 的阅读时间.
- 对于任何一个读者来说,诊断信心都没有显著影响 (p=0.45).
- DL模型发现了微妙的MSU沉积物,导致三个病例的诊断得到了纠正.
结论:
- DL算法提高了诊断的准确性,并减少了阅读时间的经验较少的读者.
- 在DL工具实施后,没有观察到诊断信心的显著变化.
- 自动检测有望简化使用DECT的痛风诊断.
