在使用深度学习的横向部和头部X射线图上完全自动测量腺体大小的可行性研究
Dapeng Hao1, Limin Tang1, Da Li2
1Affiliated Hospital of Qingdao University, Qingdao, 266003, China.
Pediatric radiology
|July 14, 2025
概括
一个新的深度学习系统自动化了从X光片中测量腺体大小,为临床诊断和治疗规划提供了可靠和高效的替代手工方法.
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:
- 精确的腺尺寸测量对于临床诊断和治疗规划至关重要.
- 传统的手动测量方法耗时且劳动密集.
研究的目的:
- 开发和验证一种自动化的深度学习 (DL) 系统,用于使用横向头部和部放射图测量腺体大小.
- 为了提高腺体大小评估的效率和可靠性.
主要方法:
- 一个基于DL的系统是使用富士冈的方法在711个头部和部横向放射图上开发的.
- 使用RTMDet和RTMPose网络进行地标检测,并使用数学公式进行尺寸计算.
- 类内相关系数 (ICC),平均绝对差异 (MAD) 和布兰德-阿尔特曼图被用于验证.
主要成果:
- DL系统在测量腺体大小 (ICC=0.902),鼻 (ICC=0.868) 和腺体-鼻比率 (ICC=0.911) 中表现出高可靠性.
- 测量结果显示与参考标准有很强的一致性,平均绝对差异很小.
- 该系统在预测关键测量的过程中取得了很高的准确性.
结论:
- 开发的基于DL的系统自动测量腺体大小,鼻和它们在X射线图上的比率.
- 该系统具有高度可靠性,为手动测量提供了有效的替代方案.
- 这项技术可以帮助精确的临床诊断和治疗策略.
