典型文献
利用深度学习实现CT图像上肾脏肿瘤径线自动测量的临床可行性
文献摘要：
目的:评估U-Net分割模型对肾脏肿瘤分割及径线测量的准确性.方法:回顾性收集本院PACS中2019年5月-2019年11月经手术病理证实的肾肿瘤患者的影像图像及结构式报告.排除未行手术治疗或病理结果未知的病例、图像及报告质量不合格及既往手术史的病例后,共纳入154例数据.从肾脏肿瘤结构式报告中导出医生测量值.利用U-Net模型自动分割肾脏肿瘤,并采用最小体积包围盒算法得到模型测量值.两位影像医生标注肾肿瘤,并采用最小体积包围盒算法得到参考值.对参考值、医生测量值、模型测量值三组数据进行统计学分析.结果:模型测量值与参考值相比,肾肿瘤短径、中径、长径之间的差异无统计学意义(P>0.05).肿瘤各径线的医生测量值均小于参考值,差异均具有统计学意义(P<0.05).肿瘤各径线的模型测量值大于医生测量值,差异均具有统计学意义(P<0.05).医生测量值与模型测量值的一致性高.结论:基于U-Net的肾肿瘤分割模型自动测量肿瘤径线具有临床可行性.
文献关键词：
肾肿瘤;深度学习;人工智能;分割;定量测量;结构化报告
中图分类号：
作者姓名：
孙兆男;刘佳;崔应谱;刘想;张晓东;王霄英;林志勇;张耀峰
作者机构：
100034 北京,北京大学第一医院医学影像科;100120 北京,北京赛迈特锐医学科技有限公司
文献出处：
引用格式：
[1]孙兆男;刘佳;崔应谱;刘想;张晓东;王霄英;林志勇;张耀峰-.利用深度学习实现CT图像上肾脏肿瘤径线自动测量的临床可行性)[J].放射学实践,2022(03):374-379
A类：
B类：
肾脏肿瘤,自动测量,Net,分割模型,肿瘤分割,径线测量,本院,PACS,月经,经手,手术病理,肾肿瘤,肿瘤患者,结构式报告,病理结果,报告质量,不合格,手术史,中导,测量值,自动分割,小体积,包围盒,参考值,统计学分析,长径,定量测量,结构化报告
AB值：
0.269224
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。
