基于深度学习的肺结节检测系统的性能,使用0.25毫米厚的超高分辨率CT图像
Haruka Higashibori1, Wataru Fukumoto2, Sayaka Kusuda3
1Department of Diagnostic Radiology, Graduate School of Biomedical and Health Science, Hiroshima University, 1-2-3 Kasumi, Minamiku, Hiroshima, 734-8551, Japan.
Japanese journal of radiology
|July 7, 2025
概括
一毫米的切片厚度是使用AI进行超高分辨率CT肺结节检测的最佳选择. 这种切片厚度平衡了基于深度学习的肺结节检测系统的灵敏度和积极的预测值.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人工智能 (AI) 算法帮助放射科医生检测肺结节.
- 人工智能系统对超高分辨率CT (U-HRCT) 图像的性能需要评估.
研究的目的:
- 评估0.25毫米切片在U-HRCT中用于肺结节检测的有用性.
- 评估基于深度学习的商业肺结节检测系统 (DL-LND) 在不同切片厚度的U-HRCT图像上.
主要方法:
- 包括63名接受肺癌U-HRCT的患者.
- 放射科医生在1毫米的HRCT切片上为4毫米以上的结节制定了一个参考标准.
- DL-LND系统检测到5毫米,1毫米和0.25毫米切片上的病变; 敏感性,PPV和错误阳性被记录下来.
主要成果:
- 敏感性在1毫米切片 (91.5%) 与5毫米切片 (79.8%) 相比显著更高.
- 阳性预测值 (PPV) 在1毫米切片 (34.8%) 与5毫米切片 (46.4%) 上显著较低.
- 0.25毫米切片没有改善DL-LND系统的性能,灵敏度为86.7%,PPV为36.1%.
结论:
- 一毫米的切片厚度在U-HRCT图像上显示了评估的DL-LND系统的最佳性能.
- 该研究确定1毫米切片是最佳的,以平衡这种AI工具的检测灵敏度和准确性.
