基于深度卷积神经网络及有与无血管抑制影像自动检测脑转移瘤

• 作者: 王聪惠（译） 全冠民（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 488
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.e0505

摘要

目的 建立基于卷积神经网络（CNN）和体积各向同性黑白血同时交错采集（VISIBLE）的自动模型用于检测脑转移瘤，并与阅片者测试比较评估其诊断效能。方法 该回顾性研究纳入了2016年3月—2019年7月期间采用VISIBLE成像、临床怀疑为脑转移的病人并建立模型。有与无血管抑制的影像用于训练现有CNN（DeepMedic）。采用每例敏感度和假阳性结果（FP/case）评估诊断效能。比较CNN模型与12名放射科医生的诊断效能。结果 50例经随访临床诊断为脑转移病人[男30例、女20例；年龄29~86岁，平均（63.3±12.8）岁；共165个转移灶]。该模型敏感度91.7%，高于阅片者测试（平均88.7%±3.7%）。该模型的FP/case数为1.5，高于阅片者测试（0.17±0.09）。结论 与放射科医生相比，基于VISIBLE和CNN模型诊断脑转移瘤的敏感度较高。该模型的FP/case数高于放射科医生阅片者测试，但低于以往大多数深度学习研究的结果。