10.3969/j.issn.1002-1671.2022.11.033
人工智能联合低剂量扫描对磨玻璃结节检测准确性的体模研究
目的 探讨适合人工智能(AI)肺结节识别软件筛查磨玻璃结节(GGN)的低剂量扫描方案.方法 将20个模拟GGN(直径为5 mm、8 mm,CT值为-500 HU、-800 HU)分组放置在仿真体模中并以不同低剂量扫描方案进行扫描.低剂量扫描方案管电压为 120 kV、100 kV、80 kV 联合管电流分别 50 mAs、40 mAs、30 mAs、20 mAs、10 mAs 进行匹配共 15 组,将(120 kV,100 kV、80 kV)/50 mAs作为各管电压低剂量参照组,将120 kV/150 mAs扫描方案作为常规剂量参照组.全部图像上传至AI肺结节识别软件并记录肺GGN容积及CT值,采用秩和检验比较各低剂量扫描组所测结节的相对容积误差(RVE)及绝对衰减误差(AAE).结果 各管电压低剂量参照组与常规剂量参照组的GGN容积、CT值均无统计学差异(P>0.05),但80 kV/50 mAs组的稳定性较差;管电压为100 kV时,AI识别2种直径(5 mm、8 mm)GGN与同管电压低剂量参照组的RVE有统计学差异(P<0.05),两两对比分析发现100 kV/20 mAs组AI识别 2种直径(5 mm、8 mm)GGN的RAE与100 kV/50 mAs组有统计学差异(P<0.05).结论 可采用100 kV/30 mAs扫描方案联合AI检测GGN.
磨玻璃结节、低剂量扫描、人工智能
38
R563;TP181(呼吸系及胸部疾病)
天津市科技计划项目18ZXZNSY00400
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
1869-1872,1877