基于卷积神经网络成人肋骨骨折CT自动检测和分类的应用研究

• 作者: 周清清 唐雯 张荣国 王佳硕
• 来源期刊: 影像诊断与介入放射学
• 关键词: 肋骨骨折 卷积神经 深度学习 人工智能 体层摄影术,X线计算机 结构化报告
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: RSNA2019专栏
• 页码范围: 27-31
• 页数: 5页
• 字数: 3978字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-8001.2020.01.005

摘要

目的 探讨基于卷积神经网络(CNN)胸部CT平扫自动检测和分类肋骨骨折的准确性和可行性.方法 回顾性搜集A医院2011年1月～2019年1月974例成人肋骨骨折患者,另外收集2019年1月B医院25例,C医院25例成人肋骨骨折患者作为多中心测试集进行鲁棒性验证.三种骨折类型(新鲜骨折、愈合期骨折和陈旧性骨折)的相应CT图像被自动检测并输出为结构化报告.采用精准度、召回率和F1值作为衡量CNN模型诊断效能的指标.检测/诊断时间、精准度、灵敏度、fROC曲线用来比较CNN模型的结构化报告和放射科主治医生的诊断效能.结果 CNN模型在所有测试集上具有良好的鲁棒性(平均精准度、平均召回率、平均F1值均≥0.8).新鲜骨折和愈合期骨折的检测效率略高于陈旧性骨折(平均精准度:0.829,0.867>0.814;平均召回率:0.875,0.870>0.827;平均F1值:0.851,0.868>0.821).CNN模型输出的结构化报告达到放射科主治医师诊断水平,并且CNN模型的检测时间平均缩短132.07 s.结论 利用CNN模型可在较短的时间内自动检测并分类肋骨骨折,达到放射科主治医师的诊断水平,且该模型具有一定的鲁棒性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周清清	南京医科大学附属江宁医院医学影像科	8	68	3.0	8.0
2	张荣国		5	49	2.0	5.0
3	王佳硕		1	0	0.0	0.0
4	唐雯		1	0	0.0	0.0