人工智能评估不同前置自适应迭代技术下仿真体模肺结节

摘要：

目的 探讨宽体能谱CT扫描并设置不同前置自适应迭代技术(ASIR-V)时,应用人工智能(AI)计算机辅助检测肺结节软件,对胸部仿真体模中肺结节检出率以及自动化测量的准确性.方法 2017年12月至2018年3月,应用胸部仿真体模进行扫描,体模中放置16个直径、密度、形态不同的肺结节模型,采用Revolution CT宽体能谱扫描协议,设置ASIR-V权重分别为0％、20％、30％、40％、50％进行扫描.经过Spearman相关性分析各组的辐射剂量容积CT剂量指数(CTDIvol)、剂量长度乘积(DLP).扫描数据导入图玛深维人工肺结节分析软件中,对检出结节性质进行评估,应用组间相关系数(ICC)检测各组间的差异.结果 随着ASIR-V权重增加,患者的有效剂量逐渐降低,5组辐射剂量CTDIvol为7.93、7.24、5.85、5.15、3.76 mGy、DLP为379、346、280、246、179 mGy·cm,均呈逐渐下降趋势,前置ASIR-V权重与CTDIvol及DLP之间呈线性负相关性,r值为-0.969.人工智能与医师对于肺结节检出率差异无统计学意义(P>0.05).人工智能对不同前置ASIR-V条件下检出肺结节直径、体积、CT值及恶性百分比具有高度一致性,ICC值0.981～1.000.结论 宽体能谱CT行胸部扫描时,在一定范围内随着ASIR-V权重的增加,辐射剂量显著降低,增加ASIR-V并不影响人工智能对肺结节的检出及性质分析判断,因此人工智能评估临床患者肺结节时,可以应用较高ASIR-V,减低辐射剂量.

关键词：人工智能、孤立性肺结节、体层摄影术、X线计算机、前置自适应迭代技术

所属期刊栏目：99

在线出版日期：2019-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：3424-3427