深度学习模型用于CT细分侵袭性肺阿斯伯吉洛症,粘菌菌,细菌性肺炎和结核病:一个多中心研究
Yun Li1, Feifei Huang1, Deyan Chen2,3
1National Clinical Research Center for Respiratory Disease, State Key Laboratory of Respiratory Disease, Guangzhou Institute of Respiratory Health, the First Affiliated Hospital of Guangzhou Medical University, Guangzhou, China.
Mycoses
|June 28, 2025
概括
对于细分肺部感染的深度学习模型,如侵入性肺阿斯伯吉洛症 (IPA) 和肺粘膜瘤 (PM),显示出高准确度. 这些模型可以帮助诊断复杂的肺部疾病,尽管细菌性肺炎 (BP) 和IPA需要改进.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肺部医学 肺部医学
背景情况:
- 由于类似的临床和成像特征,诊断侵袭性肺阿斯伯吉洛症 (IPA),肺粘膜菌病 (PM),细菌性肺炎 (BP) 和肺结核病 (PTB) 是具有挑战性的.
- 手动对CT病变进行细分是耗时的.
- 深度学习 (DL) 模型提供了一个有希望的自动化解决方案,但针对这些感染的特定疾病模型尚未得到充分探索.
研究的目的:
- 为IPA,PM,BP和PTB开发和验证专门的CT细分模型.
- 为了提高这些具有挑战性的肺部感染的诊断准确度.
- 评估开发的DL模型的通用性和跨疾病实用性.
主要方法:
- 包括IPA,PM,BP和PTB病例在内的回顾性多中心数据用于培训,内部验证和外部验证.
- 改进的3D U-Net架构被用于细分.
- 绩效使用子系数进行评估,专家注释的病变作为基本真相.
主要成果:
- 内部验证得到了高的子得分:78.83% (IPA),93.38% (PM),80.12% (BP) 和90.47% (PTB).
- 外部验证显示了强大的性能:75.09% (IPA),77.53% (PM),67.40% (BP) 和80.07% (PTB).
- 该PM模型显示出特殊的可通用性,交叉验证表明IPA/PTB模型之间的相互适用性,BP细分实现了临床上可接受的性能.
结论:
- 疾病特异性DL细分模型实现了高精度,特别是PM和PTB.
- 虽然IPA和BP模型需要进一步改进,但所有模型都证明了用于初步损伤注释的跨疾病实用性.
- 未来的研究应该专注于增强数据集和优化复杂病例模型,以最大限度地提高临床价值.
