肝脏和肝血管的自动细分在门静脉阶段计算机断层扫描图像上,使用深度学习算法进行自动细分

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 手术规划 手术规划

背景情况:

• 肝脏和肝血管的CT图像细分对于手术规划至关重要.
• 手动细分是耗时的,容易引起观察者之间的变异性,限制了临床应用.

研究的目的:

• 开发用于肝脏和肝脏血管的自动深度学习 (DL) 分段算法.
• 评估DL算法在门静脉阶段CT图像上的性能.

主要方法:

• 一个粗细的DL算法被开发和训练在413张CT图像上.
• 该算法分别在52张和50张图像上进行了验证和测试.
• 对44名患者的独立数据集的手动细分进行了性能评估,使用子相似系数 (DSC),正常化表面子 (NSD) 和豪斯多夫距离_95 (HD95).

主要成果:

• 该DL算法实现了肝脏细分的高精度 (DSC 0.98,NSD 0.92,HD95 1.52毫米).
• 肝静脉 (DSC 0.86),门静脉 (DSC 0.89) 和下腔静脉 (DSC 0.94) 的精确细分也得到了实现.
• 在精度和处理时间 (p < 0.001) 方面,DL方法明显优于手动细分 (p < 0.001).

结论:

• 拟议的DL算法使肝脏和肝血管的准确和快速细分成为可能.
• 这种自动化方法有可能提高肝脏手术规划的临床实践.