基于3D的新型深度学习用于分类异常性肺纤维化急性恶化,使用高分辨率CT
Xinmei Huang1,2, Wufei Si3, Xu Ye1
1Department of Respiratory and Critical Care Medicine, Nanjing Drum Tower Hospital, The Affiliated Hospital of Nanjing University Medical School, Nanjing, Jiangsu, China.
BMJ open respiratory research
|March 9, 2024
概括
一个新的深度学习算法使用高分辨率CT (HRCT) 扫描准确地分类异常性肺纤维化 (AE-IPF) 的急性恶化. 这种人工智能工具显示出作为诊断AE-IPF的临床辅助工具的前景,改善了患者的治疗结果.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 肺部医学 肺部医学
背景情况:
- 异形性肺纤维化 (AE-IPF) 的急性恶化是IPF患者死亡的主要原因.
- 在高分辨率CT (HRCT) 上,AE-IPF的特点是分散的双边地面玻璃不透明度.
研究的目的:
- 开发和评估一种新的基于3D的深度学习算法,用于使用HRCT图像对AE-IPF进行分类.
- 评估算法的诊断性能及其作为临床辅助工具的潜力.
主要方法:
- 一个3D深度学习算法 (SlowFast) 是使用来自两个中心的306个HRCT扫描来开发的.
- 该算法在1050个样本 (33,600张图像) 上进行了训练,并在多个测试集上进行了验证.
- 使用准确度,灵敏度,特异性,ROC曲线和加权的卡帕系数来评估性能.
主要成果:
- 该算法在对AE-IPF进行分类时取得了很高的准确性 (测试组1的93.9%,测试组2的86.5%).
- 在算法和放射科医生 (κw=0.90和0.73) 之间观察者间有很好的一致性.
- 该算法的性能超过了视觉分析,并预测了IPF的进展.
结论:
- 深度学习算法证明了AE-IPF的高辅助诊断效率.
- 这种AI工具可以作为诊断AE-IPF的有价值的临床辅助.
