在光谱探测器CT上检测肺部地面玻璃结节的人工智能算法:在虚拟单色图像上的性能

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 肺部地面玻璃结节 (GGNs) 需要准确的检测,以早期诊断肺癌.
• 传统的多色计算机断层扫描 (CT) 图像 (CPI) 是标准的,但虚拟单色图像 (VMIs) 具有潜在的优势.
• 在VMIs上评估AI算法性能对于优化GGN检测至关重要.

研究的目的:

• 评估人工智能算法在使用VMIs检测GGN方面的性能.
• 为了确定GGN评估的最佳虚拟单色能量水平.
• 为了比较AI在VMIs和CPI上的诊断效果.

主要方法:

• 一个基于深度卷积神经网络的AI系统处理了传统的多色CT图像 (CPI) 和虚拟单色图像 (VMI) 在各种能量水平 (40-80 keV).
• 该研究包括在位腺癌 (AIS),微侵袭性腺癌 (MIA) 和侵袭性腺癌 (IAC) 的患者.
• 使用接收器操作特征 (ROC) 曲线和德隆的测试来评估诊断性能.

主要成果:

• 人工智能算法在不同VMI能量级别中展示了一致的诊断性能.
• 在区分侵入性腺癌 (IAC) 与最小侵入性腺癌 (MIA) 的诊断效率在80 keV (P <0.05) 时最高.
• 在CPI和VMI之间的曲线下的面积 (AUC) 中没有发现统计学上显著的差异 (P > 0.05).

结论:

• 在CPI上训练的AI算法在VMIs上保持其诊断性能.
• 80 keV被确定为最佳的虚拟单色能量,用于在非增强的胸部CT上在肺GGN中进行侵入性腺癌 (IAC) 的术前鉴定.
• 这一发现支持使用特定的VMI设置来改进GGN的特性.