基于多层螺旋CT图像的机器深度学习技术测量仿真胸部体模肺结节体积及长径的效果▲
2021-04-13张田宝王蔚霖朱亚男李正军周和平
广西医学 2021年3期
张田宝 王蔚霖 潘 宁 朱亚男 李正军 周和平
(1 陕西省安康市中心医院影像中心,安康市 725300,电子邮箱:596709283@qq.com;2 北京推想科技有限公司,北京市 100085)
由于环境的污染、人口的增长和老龄化的加剧等诸多因素,肺癌患者数量正逐年攀升,2018年全球肿瘤统计结果显示,新发肺癌占所有新发肿瘤病例的11.6%,病死率约18.4%,已成为当前世界范围内发病率和病死率均居首位的恶性肿瘤,而我国每年因肺癌而死亡的人数高达62.6万[1]。因此,肺癌的早期诊断、准确鉴别及正确治疗对提高患者生存率有着非常重要的意义。
胸部CT检查在早期肺癌的检出与鉴别诊断方面均具有优势,其结节检出率是胸部X线的6倍,能清晰显示结节位置、大小及其生长特性,其中生长特性是鉴别肺结节良恶性的重要指标之一:良性结节往往生长缓慢,倍增时间较长,而恶性结节生长迅速,倍增时间较短。针对难定性的小结节,临床上通常采用低剂量CT定期随访观察结节的动态变化,尤其是结节长径和体积的改变[2],作为临床治疗方案选择的重要参考。CT图像层厚会影响肺结节的检出率,也会影响放射科医师判定结节大小和体积。有学者指出,薄层图像所测得的肺结节数值较厚层图像准确,但图像层厚是否会影响人工智能对肺结节检测的准确性还未见相关报道[3]。随着医学科学技术的飞速发展,人工智能应用于医疗影像已经是必然的趋势[4],目前计算机辅助诊断技术已逐步应用于临床,但该技术尚处在初步阶段,还存在很多不确定的因素需要探讨。……
登录APP查看全文
