基于CT平扫的深度学习自动分割模型对肾积水病人分侧肾功能的评估
钱姚天1
王一惟2
韩秋月3
耿道颖3
高欣1
夏威1
1.中国科学技术大学生物医学工程学院(苏州)生命科学与医学部,合肥 230026;中国科学院苏州生物医学工程技术研究所2.上海交通大学医学院附属第九人民医院泌尿外科3.复旦大学附属华山医院放射科
摘要：目的 探讨基于CT平扫的深度学习自动分割模型对肾积水病人分侧肾功能评估的价值.方法 回顾性收集2 所医院共 209 例肾积水病人的平扫CT影像、年龄、性别、体质量指数(BMI)以及基于单光子发射计算机体层成像(SPECT)测量的肾脏肾小球滤过率(GFR),并以其来源医院确定为训练集(137 例)和测试集(72 例).采用U-Net方法构建肾脏自动分割模型,用于自动分割平扫CT影像上肾积水和肾实质区域,计算肾积水、肾实质体积及两者的体积比作为肾脏形态特征.根据GFR值将肾功能分为正常[GFR≥30 mL/(min·1.73 m2)]与异常[GFR＜30 mL/(min·1.73 m2)].使用多因素逻辑回归筛选独立预测特征并建立分侧肾功能评估模型.采用Dice相似性系数(DSC)评价自动分割结果,采用受试者操作特征曲线下面积(AUC)评价分侧肾功能评估模型的效能,使用DeLong检验比较AUC的差异.结果 影像采用自动分割平均耗时为每例病人 2.2 s,而手动分割耗时是自动分割的 671.8 倍.肾实质和肾积水自动分割的平均DSC分别为0.89 和 0.63.基于肾积水和肾实质的体积比、肾实质体积、年龄、BMI构建的分侧肾功能评估模型在测试集上的AUC为 0.809.基于自动分割与手动分割的分侧肾功能评估模型效能差异无统计学意义(P>0.05).结论 基于CT平扫和深度学习的肾脏自动分割模型在肾积水病人分侧肾功能评估中具有较好的价值,有望提高诊断效率.
关键词：深度学习体层摄影术X线计算机肾功能评估
分类号：R814.42(放射医学)R816.7(放射医学)
资助基金：国家自然科学基金(81902556)国家自然科学基金(61801474)江苏省重点研发计划(BE2021663)上海市科学技术委员会扬帆计划(19YF1427200)苏州市科技计划项目(SJC2021014)山东省自然科学基金(ZR2020QF019)
论文发表日期：2023-03-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 131-135 )
英文信息