基于CT深度学习模型对肾上腺分割的可行性分析
张托1
孟繁星2
潘玉坤2
阚晓婧1
葛英辉1
1.河南大学人民医院,河南省人民医院医学影像科,郑州 450003;阜外华中心血管病医院放射科;河南省心脏病影像医学重点实验室2.阜外华中心血管病医院放射科;河南省心脏病影像医学重点实验室
摘要：目的 基于深度学习方法训练模型,探讨其在CT平扫影像上完成全自动分割肾上腺的可行性.方法 回顾性收集行肾上腺CT平扫检查的病人1 200例.采用5折交叉验证法,将病人按 8∶2的比例分为训练集(960例)和内部测试集(240 例);另外收集行肾上腺CT平扫检查病人 81 例作为独立测试集.基于nnU-Net框架分别构建 2D nnU-Net和 3D nnU-Net分割模型.采用Mann-Whitney U检验、χ2 检验对 2组数据集之间的临床和CT影像特征进行比较.以内部测试集和独立测试集的Dice系数(DSC)、Hausdorff距离(HD)、平均对称表面距离(ASSD)、召回率(Recall)和精确度来客观评价模型的分割效能.由2名影像医师对独立测试集 3D nnU-Net模型分割结果进行主观评价.结果 训练集+内部测试集和独立测试集之间一般资料比较,其差异均无统计学意义(均P＞0.05).在内部测试集和独立测试集上,2D和 3D nnU-Net模型对左、右侧肾上腺分割效能均较高.相比 2D nnU-Net模型,3D nnU-Net模型的Dice系数、精确度均更高,HD、ASSD更低,召回率更高或相似.与 2D nnU-Net模型相比,3D nnU-Net的分割效果与人工标注更接近.2 名影像医师对 3D nnU-Net模型在独立测试集中的分割预测结果进行主观评价,其中 62.96%分割满意,37.04%分割不满意.结论 基于深度学习构建的肾上腺分割模型在平扫CT影像上全自动分割肾上腺具有可行性.
关键词：肾上腺肾上腺分割体层摄影术X线计算机深度学习
分类号：R814.42(放射医学)R816.7(放射医学)
资助基金：河南省医学科技攻关计划省部共建项目(SB201901097)
论文发表日期：2025-03-15
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( 146-150 )
英文信息