目的:评估深度学习方法在鼻咽侧位X线片上自动测量儿童腺样体肥大的可行性、准确性和可靠性.方法:X线图像被人工标注并分为训练、验证和测试数据集.利用训练集和验证集对多分类U-Net和Res U-Net深度学习网络进行训练,然后分别用两种方法对测试集图像进行分割.将两种方法的分割结果进行比较,选择出最佳的分割方法,并利用Matlab所构建的测量模型自动测量腺样体/鼻咽腔(A/N)比值.将自动测量方法(AMS)测得的A/N值分别与由主任医师、主治医师、住院医师手工测量的A/N值进行比较.以主任医师的测量结果为标准,计算AMS、主治医师、住院医师的准确率.结果:与U-Net相比,Res U-Net在测试集有更好的分割性能,并获得了总体上与主治医师水平相当,但比住院医师更准确的A/N结果.在对正常、中度肥大和病理性肥大腺样体的分级中,AMS的准确率分别为93.75％、93.02％和96.00％,主治医师的准确率分别为100％、83.72％和96.00％,而住院医师的准确率分别为68.75％、69.77％和84.00％.统计学分析结果显示,在正常组、中度肥大组以及病理性肥大组中AMS与主任医师、主治医师的测量结果差异均无统计学意义(P值均＞0.05);AMS与住院医师在正常组和中度肥大组中的测量结果差异有统计学意义(P＜0.05),在病理性肥大组中差异无统计学意义(P＞0.05).AMS所需的测量时间分别为主任医师、主治医师和住院医师手工测量时间的22％、21％和18％,AMS与主任医师、主治医师、住院医师的测量时间比较差异均有统计学意义(P值均＜0.05).结论:基于Res U-Net的自动测量方法可以快速测量腺样体A/N比值,达到主治医师的测量水平,且能够提高住院医师的测量水平,辅助各级医师减少测量所需时间,有助于临床快速、精确诊断.

腺样体肥大;A/N比值;鼻咽侧位X线片;放射摄影术;深度学习

王军;何生;张智星;梁敏茜;姜增誉;李健丁

030001太原,山西医科大学第一医院影像科;030001太原,山西医科大学医学影像学院

放射学实践

[1]王军;何生;张智星;梁敏茜;姜增誉;李健丁-.基于深度学习方法对儿童腺样体肥大进行准确诊断和分级)[J].放射学实践,2022(09):1143-1149

深度学习方法,儿童腺样体肥大,鼻咽,上自,自动测量,测试数据,训练集,验证集,多分类,Net,Res,深度学习网络,测试集,分割方法,Matlab,测量模型,AMS,主任医师,主治医师,住院医师,手工测量,病理性,统计学分析,快速测量,精确诊断,放射摄影术

0.167912