通过使用基于深度学习的自动减弱测量在对比度增强的CT上诊断中度到重度的肝肥胖症

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 肝病学 肝病学是一种肝病学.

背景情况:

• 肝硬化 (HS) 是一种常见的疾病.
• 准确诊断中度至重度的HS对于患者的管理至关重要.
• 组织学是黄金标准,但具有侵入性.

研究的目的:

• 评估深度学习 (DL) 在对比增强CT (CECT) 上自动减弱测量的有效性.
• 通过基于DL的CET分析来诊断中度至重度的肝肥胖症 (HS).
• 为了比较DL测量与手动测量和组织学.

主要方法:

• 对3620名肝脏捐赠者的CET扫描进行了回顾性分析.
• 使用DL算法自动测量肝脏和脏衰减.
• 用ROC曲线下的面积 (AUC) 来诊断HS (> 33%) 的DL和手动测量的比较.

主要成果:

• 基于DL的测量显示了具有或没有放射科医生校正的可比性能 (p=0.13).
• 肝衰减的差异优于肝衰减单独诊断HS (AUC为0.868对比0.821的DL;p=0.001).
• 确定了95%灵敏度和95%特异性的具体标准,证明了良好的诊断性能.

结论:

• 基于深度学习的CECT自动减弱测量可靠地检测中度至重度的HS.
• DL为HS评估提供了一个非侵入性和高效的工具.
• 自动化的CECT分析可以帮助肝硬化症的临床决策.