论文部分内容阅读
目的
探索使用级联模型在CT平扫图像中自动检出肾结石的可行性。
方法回顾性搜集2018年1月至7月在北京大学第一医院行泌尿系CT平扫并诊断为肾结石的59例患者的临床和影像资料。根据患者CT检查时间将患者图像分为两组：肾脏分割模型训练集（30例）和肾结石检出模型测试集（29例）。建模包括：（1）训练肾脏分割的深度学习模型，采用U-Net神经网络，以dice系数评估肾脏分割算法的性能；（2）在肾脏分割的基础上，用阈值算法和区域生长算法检出所得肾脏区域里的结石；（3）测量肾结石各向径线值（长径、中径和短径）和CT值，并将结果返回到结构化报告。由1名医师记录肾结石位置并手动测量肾结石各向径线值（长径、中径和短径）和CT值作为金标准，计算模型自动检出结石的灵敏度、特异度和准确度，并使用Bland-Altman法分析模型自动测量和医师手工测量结果的一致性。
结果测试集29例患者，共11 358层CT图像，58个肾脏纳入研究，其中38个肾脏有结石，共有56个结石，20个肾脏无结石。使用U-Net模型对测试集11 358层CT图像进行分割，平均dice系数为0.96；其中10 945（96.36%）层图像分割效果很好，dice系数≥0.90。以肾脏为单位，模型在测试集中检出结石的灵敏度、准确度、特异度分别为100%（38/38）、100%（38/38）、100%（20/20）；以结石为单位，模型检出结石的灵敏度、准确度分别为100%（56/56）、96.6%（56/58)。
结论肾结石检出级联算法可以在CT平扫图像中自动检出肾结石，并自动返回到结构化报告中，提高临床工作效率。