基于nnU-Net的高分辨率CT功能为间歇性肺部疾病提供量化
Qiuxi Lin1, Ziyi Zhang2, Xirui Xiong3
1Department of Radiology, The First Affiliated Hospital of Guangzhou Medical University, Guangzhou, China.
European radiology
|May 9, 2025
概括
一个新的AI工具,CVILDES,在CT扫描上准确量化间歇性肺病 (ILD),与专家视觉评估相匹配. 这种计算机视觉系统提供了一种可靠的方法来评估ILD进展和治疗疗效.
科学领域:
- 放射学 放射学是指放射学
- 人工智能的人工智能
- 肺部医学 肺部医学
背景情况:
- 在高分辨率计算机断层扫描 (HRCT) 上进行间歇性肺部疾病 (ILD) 的视觉评估是耗时的,并且受观察者之间协议不佳的影响.
- 准确量化ILD异常对于评估疾病进展和治疗疗效至关重要.
研究的目的:
- 开发一种新的高分辨率CT (HRCT) 量化工具,CVILDES,用于利用nnU-Net框架的间歇性肺部疾病 (ILDs).
- 根据专家视觉评估,验证CVILDES衍生的定量参数的临床可靠性和精度.
主要方法:
- 基于nnU-Net的深度学习模型是使用来自83例ILD病例和20种其他扩散性肺部疾病的HRCT扫描的监督学习来开发的.
- 临床验证涉及使用CVILDES和视觉评估对51例具有自身免疫特征的间歇性肺炎 (IPAF) 和14例异常性肺纤维化 (IPF) 病例的CT帕伦基马模式的定量评估.
- 分析了CVILDES和ILD特征的视觉评估之间的相关性,以及这些方法和肺功能参数 (DLCO%,FVC%,FEV%) 之间的相关性.
主要成果:
- CVILDES成功量化了所有CT数据,包括ILD总范围,地面玻璃不透明度,整合,网状图案和蜂.
- 通过CVILDES量化结果显示,与视觉评估 (r=0.64-0.89,p<0.0001) 有很强的相关性,特别是纤维化程度 (r=0.82,p<0.0001).
- 与视觉评估相比,CVILDES量化显示了与肺功能参数的相似或更高的相关性.
结论:
- 基于nnU-Net的CVILDES工具提供了对HRCT上的ILD异常的可靠和准确量化.
- 在临床环境中,CVILDES为量化评估ILD提供了有价值的潜在应用,解决了视觉评估的局限性.
