典型文献
基于深度学习的核素骨显像中骨转移瘤的诊断及评估
文献摘要：
目的:基于深度学习对
99Tc
m-亚甲基二膦酸盐(MDP)全身骨显像图像中骨转移瘤进行智能诊断，并设计肿瘤负荷的定量评估指标。
方法:回顾性纳入同济大学附属第十人民医院核医学科2018年3月至2019年7月间621例患者(男389例、女232例；年龄12~93岁)的骨显像图像，分为骨转移瘤组和非骨转移瘤组。从2组分别抽取80%作为训练集，余20%作为测试集。利用深度残差卷积神经网络ResNet34构建骨转移瘤诊断分类及分割模型。计算灵敏度、特异性、准确性以评估分类模型性能，分析分类模型在<50岁(15例)、≥50且<70岁(75例)及≥70岁(33例)组的性能差异。利用模型分割骨转移瘤区域，以骰子系数评估分割模型结果与人工标注结果的比对。计算骨显像肿瘤负荷系数(BSTBI)以定量评估骨转移瘤肿瘤负荷。结果:骨转移瘤图像280例，非骨转移瘤图像341例；其中，训练集498例，测试集123例。诊断分类模型识别骨转移瘤的灵敏度、特异性及准确性分别为92.59%(50/54)、85.51%(59/69)和88.62%(109/123)。分类模型在<50岁组表现最佳(灵敏度2/2，特异性12/13，准确性14/15)，其特异性在≥70岁组中最低(8/12)。分割模型中，骨转移瘤区域骰子系数为0.739，膀胱区域骰子系数为0.925，模型在3个年龄组表现相当。初步结果显示，BSTBI随病灶数目的增多、
99Tc
m-MDP摄取程度的增高而增大。构建的骨转移瘤智能诊断模型从输入原始数据到最终完成BSTBI计算所需时间为(0.48±0.07) s。
结论:基于深度学习的骨转移瘤智能诊断模型能较准确地识别骨转移瘤、进行自动区域分割及计算肿瘤负荷，为骨显像图像的解读提供了新方法。研究提出的BSTBI有望成为骨转移瘤肿瘤负荷的定量评估指标。
文献关键词：
肿瘤转移;骨骼;放射性核素显像;99m锝美罗酸盐;神经网络(计算机)
中图分类号：
作者姓名：
刘思敏;冯明;蔡海东;孙明;王胤;吕中伟;李丹
作者机构：
同济大学附属第十人民医院核医学科，上海 200072;同济大学电子与信息工程学院计算机科学与技术系，上海 201804
文献出处：
引用格式：
[1]刘思敏;冯明;蔡海东;孙明;王胤;吕中伟;李丹-.基于深度学习的核素骨显像中骨转移瘤的诊断及评估)[J].中华核医学与分子影像杂志,2022(01):22-26
A类：
BSTBI
B类：
核素骨显像,骨转移瘤,99Tc
,膦酸盐,MDP,全身骨显像,肿瘤负荷,定量评估,同济大学,核医学科,训练集,测试集,残差卷积神经网络,ResNet34,诊断分类,分割模型,评估分类,分类模型,模型性能,性能差异,模型分割,骰子,负荷系数,以定,模型识别,膀胱,年龄组,摄取,智能诊断模型,入原,原始数据,计算所,区域分割,肿瘤转移,放射性核素显像,99m
AB值：
0.212354
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
