一个深度学习算法用于在非对比CT图像上自动化上腺细分
Fanxing Meng1, Tuo Zhang1, Yukun Pan1
1Department of Radiology, Central China Subcenter of National Center for Cardiovascular Diseases, Fuwai Central-China Cardiovascular Hospital, Central China Fuwai Hospital of Zhengzhou University, Zhengzhou, 450046, China.
BMC medical imaging
|May 1, 2025
概括
一个新的深度学习模型在CT扫描上准确地细分上腺. 这项技术使大规模研究上腺体体积随年龄的变化成为可能,揭示了最初增加的模式,然后下降.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 副腎腺體是重要的後關節器官,但標準化的CT測量還不夠.
- 临床实践需要对上腺体尺寸有可靠的参考标准.
研究的目的:
- 开发一种深度学习 (DL) 模型,用于在非对比CT上自动化上腺细分.
- 用DL细分来研究正常上腺体与年龄相关的体积变化.
主要方法:
- 利用nnU-Net进行DL模型训练,对1301个CT扫描进行了放射科医生定义的地面真相.
- 通过使用子相似系数 (DSC) 评估模型性能,并与观察者之间的变异性进行比较.
- 在2000个正常CT检查的大数据集中,应用了经验证的模型来细分上腺.
主要成果:
- DL模型实现了高细分精度,测试组的中位数DSC得分为0.899 (左) 和0.904 (右).
- 自动细分的性能与放射科医生的手动细分相当 (P=0.541).
- 对2000个正常上腺的分析显示,与年龄相关的两相体积变化:最初增加,随后减少.
结论:
- 开发的DL模型在CT上提供了精确的上腺细分.
- 这种自动化方法可以对不同年龄组的上腺体体积变化进行大规模分析.


