深度学习的细分来选择肝脏外围细胞来对多国胸部CTCT上的肝硬化症进行分类
Zhongyi Zhang1, Guixia Li2, Ziqiang Wang3
1Department of Nephrology, Multidisciplinary Innovation Center for Nephrology, The Second Hospital of Shandong University, Shandong University, Jinan, 250033, Shandong, China.
Scientific reports
|May 25, 2024
概括
一种新的深度学习方法通过使用非增强型CT扫描来准确检测肝脏肥胖症,通过专注于肝脏辅酶体区域. 这种方法提高了医疗保健查的诊断准确性和效率.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 没有增强的CT扫描显示了适度至严重的肝硬化症的高特异性.
- 常规CT扫描检测肝肥胖症的潜力未得到充分利用.
- 之前的方法仅限于包括非体肝脏区域,这影响了准确性.
研究的目的:
- 开发一种深度学习 (DL) 方法,用于在CT图像中自动选择肝脏对酶体区域.
- 提高使用CT扫描检测肝脏肥胖症的准确性和效率.
- 为了克服以前方法的局限性,排除非帕伦基马性肝脏组织.
主要方法:
- 使用1014个跨国CT图像开发了一个新的DL模型.
- 该模型自动对肝脏进行细分,并选择对酶体区域.
- 圆形区域被划定为有效的肝肥胖症检测.
主要成果:
- DL模型在肝脏细分和对酶体区域选择方面表现出色.
- 该方法在肝脏衰减测量中实现了放射科医生级准确性.
- 通过排除非体部分,肝胆肥胖症检测的准确性得到了显著提高.
结论:
- 基于DL的方法增强了CT图像上的自动肝肥胖症检测.
- 排除非对体区域克服了以前的准确性限制.
- 这项研究提高了肝硬化病的医疗保健查的准确性和效率.
更多相关视频
08:41Novel In Vivo Micro-Computed Tomography Imaging Techniques for Assessing the Progression of Non-Alcoholic Fatty Liver Disease
Published on: March 24, 2023
1.1K
07:12Author Spotlight: Analysis of Fluorescent-Stained Lipid Droplets with 3D Reconstruction for Hepatic Steatosis Assessment
Published on: June 2, 2023
6.5K
