肺瘤定量化的比较评估:标准化%LAV-950与基于DL的肺瘤定量与临床参数相关性.

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 肺部医学 肺部医学

背景情况:

• 慢性阻塞性肺病 (COPD) 中肺的量化对于诊断和管理至关重要.
• 像%LAV-950这样的传统方法在准确反映疾病严重程度方面存在局限性.
• 需要先进的成像分析技术来改善肺的评估.

研究的目的:

• 为了比较深度学习 (DL) 算法和%LAV-950值方法之间的相关性,以量化肺瘤.
• 评估这些量化方法与肺功能测试 (PFT) 参数 (FEV1和KCO) 的相关性.
• 用不同的CT重建内核 (肺和软组织) 来评估DL和%LAV-950的性能.

主要方法:

• 对101名COPD患者的胸部CT扫描和PFT的回顾性分析.
• 使用%LAV-950方法和基于DL的算法量化肺.
• 来自肺部和软组织重建核的定量CT指标的分析.
• 皮尔森相关性和排列测试用于将CT指标与FEV1和KCO进行比较.

主要成果:

• DL方法显示了与FEV1 (肺内核) 和KCO (软组织内核) 的中度相关性.
• %LAV-950方法仅与FEV1 (软组织核) 的相关性较弱,与KCO无显著关联.
• 变试验证实DL方法与使用软组织核的%LAV-950相比,KCO与KCO的相关性明显更强.
• DL方法显示了不同内核和PFT参数之间的更一致的相关性.

结论:

• 基于深度学习的算法提供了比%LAV-950方法更准确和更一致的肺气量化.
• 基于DL的肺气量化显示了与关键肺功能参数的更强烈关联.
• 这些发现支持将人工智能驱动的肺瘤量化整合到常规CT分析中,以改进COPD评估.