目的探索使用級聯(lián)模型在CT平掃圖像中自動檢出腎結(jié)石的可行性。方法回顧性搜集2018年1月至7月在北京大學第一醫(yī)院行泌尿系CT平掃并診斷為腎結(jié)石的59例患者的臨床和影像資料。根據(jù)患者CT檢查時間將患者圖像分為兩組:腎臟分割模型訓練集（30例）和腎結(jié)石檢出模型測試集（29例）。建模包括:（1）訓練腎臟分割的深度學習模型,采用U-Net神經(jīng)網(wǎng)絡(luò),以dice系數(shù)評估腎臟分割算法的性能;（2）在腎臟分割的基礎(chǔ)上,用閾值算法和區(qū)域生長算法檢出所得腎臟區(qū)域里的結(jié)石;（3）測量腎結(jié)石各向徑線值（長徑、中徑和短徑）和CT值,并將結(jié)果返回到結(jié)構(gòu)化報告。由1名醫(yī)師記錄腎結(jié)石位置并手動測量腎結(jié)石各向徑線值（長徑、中徑和短徑）和CT值作為金標準,計算模型自動檢出結(jié)石的靈敏度、特異度和準確度,并使用Bland-Altman法分析模型自動測量和醫(yī)師手工測量結(jié)果的一致性。結(jié)果測試集29例患者,共11 358層CT圖像,58個腎臟納入研究,其中38個腎臟有結(jié)石,共有56個結(jié)石,20個腎臟無結(jié)石。使用U-Net模型對測試集11 358層CT圖像進行分割,平均dice系數(shù)為0.96;其中10 945（96.36%）層圖像分... 

【文章來源】：中華放射學雜志. 2020,54(09)北大核心

【文章頁數(shù)】：5 頁

【參考文獻】：
期刊論文
[1]基于深度學習自動分割模型乳腺癌放療臨床應(yīng)用與評價[J]. 陳辛元,門闊,唐玉,王淑蓮,戴建榮.  中華放射腫瘤學雜志. 2020(03)
[2]泌尿系結(jié)石CT征象與手術(shù)方式的相關(guān)性:NLP研究[J]. 劉義,吳靜云,馬帥,李作峰,施雅慧,李俊博,魏娟,王霄英.  放射學實踐. 2017(11)
[3]確定任意形狀物體最小包圍盒的一種方法[J]. 陳華.  工程圖學學報. 2010(02)



本文編號：3060602