基于人工智能的肝脏细分的评估及其用于纵向肝脏体积测量的应用
Rina Kimura1,2, Kenji Hirata3,4,5,6, Satonori Tsuneta2,7
1Department of Diagnostic Imaging, Faculty of Medicine, Hokkaido University, Sapporo, Japan.
Abdominal radiology (New York)
|June 10, 2025
概括
一个人工智能模型从CT扫描中准确地测量肝脏体积,动脉阶段显示的精度最高. 该工具还显示,健康人群每年肝脏体积减少0.95%.
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:
- 准确的肝体积测量对于手术规划和预防术后肝衰竭至关重要.
- 从CT扫描中手动细分肝体积是耗时且可变的.
- 人工智能,特别是卷积神经网络,提高了肝脏细分的准确性.
研究的目的:
- 为了确定基于AI的肝脏体积估计的最佳CT阶段.
- 应用AI模型来跟踪随时间变化的肝体积变化.
- 在没有肝病的个体中评估与年龄相关的肝体积变化.
主要方法:
- 一项回顾性研究评估了开源AI肝脏细分模型的非对比和动态CT阶段.
- 模型准确性与使用子相似系数 (DSC) 的专家放射科医生进行了比较.
- 人工智能模型应用于39名没有肝病的参与者 (527次扫描) 的纵向数据集.
主要成果:
- 人工智能模型在所有CT阶段实现了高精度,动脉阶段的DSC最高 (0.988±0.010).
- 肝体积的类内相关系数超过了对比增强阶段的0.9,非对比CT阶段的0.8.
- 纵向分析表明,平均每年肝脏体积减少0.95%.
结论:
- 人工智能模型在各种CT阶段提供准确的肝脏细分.
- 这项技术为与年龄相关的肝脏体积减少提供了洞察力.
- 监测肝体积变化可能有助于早期发现疾病并了解病理生理学.
