论文部分内容阅读
目的:评估人工智能辅助胃癌肝转移病灶自动分割软件对胃癌肝转移病灶的分割功能相对于手动分割,能否减少观察者内及观察者间的差异。方法:由2名医生盲法应用西门子医疗开发的基于深度学习网络的肝脏肿瘤分析软件(Liver Lesion Analysis Tool),分别使用全手动模式以及人工智能辅助的半自动模式,对32例患者共81个胃癌肝转移灶的CT图像进行分割,并对最长径及三维体积进行纯手动和全自动重复测量。应用Bland-Altman法分别评估最长径测量及体积测量在2种分割模式下的观察者内及观察者间差异,用组内相关系数(intraclass correlation coefficient, ICC)评估2种模式下最长径测量与体积测量的观察者内及观察者间测量变异度差异。结果:手动、半自动模式最长径测量的观察者内95%一致性区间分别为-31.70%～34.55%,-28.04%～27.89%,手动、半自动模式最长径测量的观察者间95%一致性区间分别为-74.26%～38.85%,-59.54%～40.98%。手动、半自动模式体积测量的观察者内95%一致性区间分别为-148.10%～102.70%,-75.92%～63.79%,手动、半自动模式体积测量的观察者间95%一致性区间分别为-127.40%～111.50%,-87.66%～43.77%。观察者内手动模式最长径测量与体积测量变异度的ICC分别为0.914、0.950,观察者内半自动模式最长径测量与体积测量变异度的ICC分别为0.967、0.970。观察者间手动模式最长径测量与体积测量变异度的ICC分别为0.884、0.939,观察者间半自动模式最长径测量与体积测量变异度的ICC分别为0.928、0.974。相对于手动分割病灶,使用人工智能辅助的肝转移自动分割软件进行半自动病灶分割所需要的时间大大缩短[(25.78±4.23) s比(4.53±2.82) s, P<0.01]。结论:使用人工智能辅助的肝转移自动分割软件进行半自动病灶分割在观察者内及观察者间的一致性好,可提高肝转移病灶分割的效率,有望成为临床随访及疗效评估的定量工具。