在使用深度学习的脏CT成像中基于细分的定量测量
Konstantinos Koukoutegos1,2, Richard 's Heeren3, Liesbeth De Wever3
1KU Leuven, Department of Imaging and Pathology, Division of Medical Physics, Herestraat 49, 3000, Leuven, Belgium. konstantinos.koukoutegos@uzleuven.be.
European radiology experimental
|October 9, 2024
概括
深度学习从CT扫描中准确地测量脏,匹配人类的性能. 这种人工智能工具从对比度增强和非对比度图像提供快速,精确的脏测量,帮助临床决策.
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:
- 脏定量测量对于评估脏功能至关重要.
- 需要从计算机断层扫描 (CT) 图像中自动测量脏.
研究的目的:
- 开发和验证一种基于深度学习的方法,用于从CT图像进行自动脏测量.
- 评估深度学习网络在细分和测量脏方面的表现.
主要方法:
- 两个深度学习网络使用来自潜在脏捐赠者的对比增强和非对比CT扫描数据集进行了训练和验证.
- 用子相似系数 (DSC) 评估细分性能.
- 量化测量准确性与使用类内相关系数 (ICC) 的手册注释进行了比较.
主要成果:
- 深度学习模型在各种CT数据集中实现了优异的细分可靠性,DSC得分高于0.92.
- 卷值估计误差很低,平均为4-7%mL,对比度增强和非对比度扫描均为4-7%.
- 轴测量显示出高精度,ICC值大于0.90.
结论:
- 深度学习网络可以自动从对比增强和非对比CT成像中获得定量脏测量,以人类性能水平.
- 这些人工智能模型提供准确,快速和专家级的脏测量,增强临床决策.
- 模型适应需要仔细考虑,当应用到有不健康脏的数据集时.


