光子计数探测器计算机断层扫描对量化间歇性肺病机器学习模型的影响

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:

• 间歇性肺病 (ILD) 的诊断依赖于成像和肺功能测试 (PFTs).
• 定量机器学习 (QML) 模型分析CT扫描用于ILD评估.
• 光子计数探测器计算机断层扫描 (PCD-CT) 与传统CT相比,提供了潜在的改进.

研究的目的:

• 在ILD QML模型中,比较PCD-CT与传统CT的性能.
• 评估PCD-CT对QML衍生ILD特征与PFT结果之间的相关性的影响.

主要方法:

• 一个QML模型被应用于52例同一天的常规和PCD-CT扫描,这些扫描来自疑似ILD患者.
• 林的一致性相关系数 (CCC) 评估了两种CT类型的QML结果之间的一致性.
• 斯皮尔曼等级相关性分析了QML特征 (网膜,蜂,磨砂玻璃,与血管相关的结构) 和PFT之间的关联.

主要成果:

• 在PCD-CT和常规CT QML结果之间观察到良好的到优秀的一致性 (CCC ≥0.8),除了蜂 (HC).
• 与传统CT相比,PCD-CT与HC的PFT相关性明显更强.
• PCD-CT显示了与网状结构和与血管有关的结构的相似相关性,但与磨砂玻璃的相关性较低.

结论:

• 针对ILD的PCD-CT和传统CT QML模型显示出强烈的一致性,PCD-CT对HC评估的显著改进.
• PCD-CT增强了HC与PFT的相关性,但减少了GG程度的相关性.
• 虽然大多数量化ILD特征基本上不受影响,但PCD-CT实施需要对模型进行调整.