利用深度学习实现CT图像上肾脏肿瘤径线自动测量的临床可行性

摘要：

目的:评估U-Net分割模型对肾脏肿瘤分割及径线测量的准确性.方法:回顾性收集本院PACS中2019年5月-2019年11月经手术病理证实的肾肿瘤患者的影像图像及结构式报告.排除未行手术治疗或病理结果未知的病例、图像及报告质量不合格及既往手术史的病例后,共纳入154例数据.从肾脏肿瘤结构式报告中导出医生测量值.利用U-Net模型自动分割肾脏肿瘤,并采用最小体积包围盒算法得到模型测量值.两位影像医生标注肾肿瘤,并采用最小体积包围盒算法得到参考值.对参考值、医生测量值、模型测量值三组数据进行统计学分析.结果:模型测量值与参考值相比,肾肿瘤短径、中径、长径之间的差异无统计学意义(P>0.05).肿瘤各径线的医生测量值均小于参考值,差异均具有统计学意义(P<0.05).肿瘤各径线的模型测量值大于医生测量值,差异均具有统计学意义(P<0.05).医生测量值与模型测量值的一致性高.结论:基于U-Net的肾肿瘤分割模型自动测量肿瘤径线具有临床可行性.

关键词：肾肿瘤、深度学习、人工智能、分割、定量测量、结构化报告

所属期刊栏目：37

分类号：R814.42;R-05;R737.11(放射医学)

资助基金：北京大学第一医院科研种子基金2021SF29

在线出版日期：2022-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：374-379