换一批深度学习计算T2加权像磁共振前列腺体积:与椭球公式比较
Deep Learning for Calculation of the Prostate Volume in T2-Weighted MR Images:Comparison with Pro-late Ellipsoid Formula
摘要目的 研究和实现利用深度学习计算T2加权像MR的前列腺体积,并与椭球公式计算的前列腺体积进行比较.资料与方法 回顾性收集 2019 年 10 月—2022 年 2 月武汉大学人民医院经病理确诊的 180 例前列腺增生和 251 例前列腺癌患者的T2加权像MR图像及诊断报告,根据诊断报告使用椭球公式计算每例患者的前列腺体积,使用U-Net模型的变体对所收集MR图像上的前列腺进行分割,利用公式前列腺体积=对(前列腺像素数目×每个像素的大小×层厚)进行求和,获得深度学习计算的前列腺体积.比较深度学习和椭球公式计算的前列腺体积差异和一致性.结果 Bland-Altman 分析显示,在前列腺增生和前列腺癌患者中,深度学习和椭球公式计算的前列腺体积具有较高的一致性,仅5%和6.37%的数据位于95%置信区间外.前列腺增生组用两种方法计算的前列腺体积的一致性高于前列腺癌组(ICC=0.803、0.686).两种方法计算的前列腺体积在两组间差异有统计学意义(Z=-10.742、-12.706,P<0.05),深度学习计算的前列腺体积更大.结论 深度学习在计算前列腺体积方面与椭球公式保持一致,利用深度学习计算MR前列腺体积具有广阔的前景,但还需进一步改进.
更多相关知识
关键词
前列腺增生前列腺肿瘤深度学习磁共振成像前列腺分割前列腺体积椭球公式Prostatic hyperplasiaProstatic neoplasmsDeep learningMagnetic resonance imagingProstate segmentationProstate volumeProlate ellipsoid formula
栏目名称
DOI
10.3969/j.issn.1005-5185.2024.04.009
发布时间
2024-05-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
湖北省重点研发计划项目（2020BCB051）
- 浏览57
- 被引2
- 下载12
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
