创伤性脑出血体积定量的深度学习方法研究

Deep learning for volumetric assessment of traumatic cerebral hematoma

二维码有效期 120s

摘要目的基于Trans-UNet模型构建创伤性脑出血(traumatic intracerebral hemorrhage,TICH)体积定量的深度学习方法,并与公式法进行比较.方法收集我院放射科于2018年5月至2023年5月收治的141例创伤性脑出血患者的CT资料,建立基于Trans-UNet模型的深度学习方法,以影像归档与通讯系统(picture archiving and communication system,PACS)人工勾画为金标准,对比其与公式法(共10种)在创伤性脑出血体积定量的准确性、一致性和测量耗时差异.结果 PACS人工勾画的创伤性脑出血中位体积为1.167 mL,单个患者的测量中位时间为135 s.深度学习方法与PACS人工勾画的体积百分误差中位数为3.59％,Spearman相关系数为0.999(P＜0.001),单个患者测量的中位时间仅为4.38 s;而公式法中,最低体积百分误差中位数为16.451％,最高Spearman相关系数为0.986(P＜0.001),单个患者测量的最低中位时间为20 s.两类方法在体积百分误差和测量时间上的差异均具有统计学意义(P均＜0.001).结论本研究所构建的深度学习方法相较于公式法,在测量准确性和时效上均表现更优.

作者 陈地友 ^[1] 时心怡 ^[2] 吴鹏飞 ^[3] 詹力 ^[4] 赵文兵 ^[3] 谢静茹 ^[3] 张良 ^[3] 赵辉 ^[3] 学术成果认领

作者单位 400042 重庆,陆军特色医学中心放射科;400042 重庆,陆军特色医学中心军事交通伤防治研究室 ^[1] 401135 重庆,重庆理工大学两江人工智能学院 ^[2] 400042 重庆,陆军特色医学中心军事交通伤防治研究室 ^[3] 400042 重庆,陆军特色医学中心放射科 ^[4]

关键词创伤性脑出血计算机体层摄影深度学习体积定量创伤性脑损伤 traumatic intracerebral hemorrhage computed tomography deep learning volumetric quantification traumatic brain injury

分类号 R319 R445.2 R743.34

栏目名称

临床医学

DOI 10.16016/j.2097-0927.202311033

发布时间 2024-11-19