基于低剂量胸部CT深度学习模型自动测量骨密度研究

Bone densitometry measurement based on low-dose chest CT with deep learning model

二维码有效期 120s

摘要目的:评价基于低剂量胸部CT深度学习模型全自动测量与定量CT(QCT)手动测量骨密度的一致性.方法:回顾性分析2018年6月-2019年12月在弋矶山医院行低剂量胸部CT筛查联合定量CT(QCT)骨密度测量的1406例体检者的临床和影像资料.随机分为训练集(985例)和测试集(421例).应用深度学习等方法构建骨分割模型等及内部组织校准模型,应用测试集检测其效能.以QCT结果作为参考标准,应用Spearman相关系数、组内相关系数、Bland-Altman分析两种测量方法的相关性和一致性;以QCT测量结果的骨质疏松(OP)诊断作为参考标准,应用ROC曲线评价其对OP的诊断效能.结果:训练集及测试集中深度学习模型与QCT的骨密度测量结果均呈正相关(训练集:r=0.957,P＜0.001;测试集:r=0.955,P＜0.001),组内相关系数为 0.946(训练集)、0.945(测试集).该模型在训练集中ROC曲线下面积(AUC)、灵敏度、特异度、准确度分别为0.986、47.5％、100％、95.7％;在测试集中分别为0.975、42.1％、100％、94.8％.结论:基于低剂量胸部CT深度学习模型和QCT的骨密度测量的一致性和相关性较好,初步实现了自动、快速的基于LDCT的骨质疏松筛查,但需扩大患者人群进一步优化和验证.