基于深度学习的自动骨矿物质密度评估用于机会性骨质疏松症查,使用各种CT协议与多供应商扫描仪

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 骨质疏松症查通常依赖于双能X射线吸收计 (DXA),但计算机断层扫描 (CT) 扫描为骨矿物质密度 (BMD) 评估提供了另一种机会.
• 从CT数据中测量BMD的自动化方法可以提高骨质疏松症查的效率和可访问性.

研究的目的:

• 评估基于深度学习的自动骨矿物密度 (DL-BMD) 测量用于骨质疏松症查的诊断疗效.
• 为了比较DL-BMD测量与手动BMD (m-BMD) 和DXA的准确性和可靠性.

主要方法:

• 一项回顾性研究分析了来自两个医疗中心和四个供应商的422个CT数据集 (胸部,腹部,腰椎).
• 来自L1和L2脊柱体的DL-BMD值与m-BMD值使用相关性分析进行了比较.
• 通过对DXA和m-BMD作为参考进行接收器操作特征 (ROC) 分析来评估诊断性能.

主要成果:

• 在DL-BMD和m-BMD (r=0.953) 之间观察到很强的一致性.
• 与DXA相比,DL-BMD显示低BMD的AUC为0.790,骨质疏松症的AUC为0.769.
• 与m-BMD相比,DL-BMD的诊断性能更高,低BMD的AUC为0.983,骨质疏松症的AUC为0.972.

结论:

• 自动DL-BMD测量提供准确可靠的BMD评估.
• 基于DL的方法证明了使用多种CT数据有效查骨质疏松症的潜力.
• 这项技术可以应用于各种CT协议和扫描仪类型,增强查能力.