换一批深度学习算法与影像医师测量肺转移瘤体积的一致性分析
Consistency analysis between deep learning algorithm and radiologists in measuring the volume of lung metastases
摘要目的 评估深度学习(Deep learning,DL)算法与放射科医师在测量肺转移瘤体积方面的一致性.方法 从湘潭市中心医院 2019 年 6 月—2023 年 6 月收治的肿瘤患者中随机选取 57 例肺转移瘤患者的CT扫描图像,其中包括 89个实性转移结节.使用一种商业DL算法自动识别肺转移结节,并通过DL计算肺转移瘤体积(Lung metastases volume by DL,LMV-DL).同时,两名资深放射科医师在肺窗上手动勾画肺转移结节,并使用面积求和法计算LMV-Radiologist1和LMV-Radiologist2.然后,使用Bland-Altman方法计算三组LMV之间的 95%一致性界限(95%LoA),并评估一致性.结果 Bland-Altman法示:三组两两比较,其中,LMV-DL与LMV-Radiologist1、LMV-Radiologist2 的 95%LoA分别为-758.3～416.2mm3、-627.1～518.1mm3,宽于Radiologist1 与Radiologist2 之间 95%LoA-207.1～440.2mm3.结论 DL算法在测量LMV方面与放射科医师表现出良好的一致性,并可作为自动测量方法替代手动测量,有助于肺结节的临床管理.
更多相关知识
关键词
深度学习算法放射科医师肺转移瘤评估一致性临床管理Deep learning algorithmRadiologistLung metastasesAssess agreementClinical management
栏目名称
DOI
10.11876/mimt202404017
发布时间
2024-09-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
湘潭市医学会项目（2023xtyx-46）
- 浏览5
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
