双层光谱CT放射学和深度学习的诊断性能,以区分骨质细胞转移与骨岛

科学领域:

• 医学成像
• 放射学
• 癌症学

背景情况:

• 区分骨质细胞转移 (OBM) 和骨岛 (BI) 对于精确的癌症分期和患者管理至关重要.
• 传统的CT成像和放射学为非侵入性差异化提供了潜力.
• 双层光谱探测器计算机断层扫描 (DLSCT) 提供了先进的成像功能.

研究的目的:

• 将DLSCT的放射性特征的诊断性能与深度学习 (DL) 模型进行比较,以区分OBM与BI.
• 评估OBM诊断中的每个方法的敏感性和特异性.

主要方法:

• 在接受DLSCT的94名患者中,对216例骨质损伤 (91例OBM,125例BI) 的回顾性分析.
• 从传统和光谱DLSCT图像中提取一级放射性特征.
• 将验证的DL模型应用于常规CT图像.
• 使用ROC曲线分析进行诊断性能比较 (AUC,灵敏度,特异性).

主要成果:

• 在OBM和BI之间发现了放射性特征 (平均值,最大值,值,均性) 的显著差异 (P < 0. 05).
• DLSCT (VMI40keV) 和DL模型实现了可比的AUC (0.93与0.96;P=0.274).
• 与DL模型相比,DLSCT对OBM诊断具有显著更高的敏感性 (92%对62%;P=0. 002) 和可比的特异性 (88%对96%;P=0. 07).

结论:

• DLSCT的放射性特征有效地区分了OBM与BI,其性能与DL模型相美.
• DLSCT,特别是VMI40keV,为诊断OBM提供了更高的灵敏度,有助于临床决策.