自动快速预测骨矿物质密度从低剂量计算机断层扫描
Kun Zhou1, Enhui Xin2, Shan Yang3
1Academy for Engineering and Technology, Fudan University, Shanghai, China (K.Z., E.X., X.L., D.G.).
Academic radiology
|March 13, 2025
概括
深度学习现在可以通过低剂量胸部CT扫描来估计骨密度并识别骨质疏松症. 这种系统显示了使用现有的成像数据进行广泛的骨质疏松症查的希望.
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:
- 低剂量胸部CT (LDCT) 是肺癌查的标准,但在骨密度评估中未得到充分利用.
- 骨质疏松症 (OP) 诊断和体积骨矿物密度 (vBMD) 评估不是LDCT的典型应用.
研究的目的:
- 评估深度学习系统用于预测vBMD和使用LDCT扫描对OP进行分类的可行性.
- 从常规LDCT成像中开发OP查的自动化方法.
主要方法:
- 开发了一个U-net模型,用于从LDCT切片中自动细分腰椎.
- 一个预测模型估计了vBMD,并使用两个输入方式对OP/骨折症 (OA) 进行了分类.
- 该系统在551名受试者身上进行了训练和验证,使用LDCT和定量CT (QCT) 数据.
主要成果:
- 细分模型实现了高精度 (DSC 0.974).
- 预测的vBMD与QCT衍生的vBMD强烈一致 (R2 0.944).
- 该系统准确地检测到OP (AUC0.800) 和OA (AUC0.878) 总体准确率为94.2%.
结论:
- 深度学习系统可以自动估计vBMD,并从LDCT扫描中检测OP/OA.
- 这项技术为提高骨质疏松症查效率提供了巨大的潜力.
