冷渌清,花蕊,石峰,陈明,吴玉桥,朱珠

垂体作为人体重要的内分泌腺,与其相关病变的诊断与治疗一直受到临床关注,最常见的包括矮小症、肥胖症、垂体增生以及垂体微腺瘤等,特别是矮小症和肥胖症患儿垂体大小检查已成为常规。实际工作中都采用高度值来衡量垂体大小,因大部分垂体形态欠规则,不同的测量点可能造成值的差异性,如果用体积替代高度衡量垂体大小,将减少相应的问题并提高垂体病变检出的敏感性。目前部分设备或软件可以进行体积测量,需人工逐层勾画后计算,操作繁琐,本研究拟通过计算机深度学习,探讨人工智能(artificial intelligence,AI)用于垂体体积自动测量的可行性。

人在回路(human in the loop)机器学习方式是通过人与机器学习过程进行交互,此方法不仅可以增加机器学习的准确性,还可以明显提高人工效率,是近年来AI研究中受到业内认可的方法,通常表现为迭代式建模和纠错[1,2]。

材料与方法

训练数据来源于CoRR(Consortium for Reliability and Reproducibility)公开数据库中5～70岁年龄段颅脑3D T1WI图像1285例。纳入标准:垂体高度3～10 mm,腺垂体与神经垂体显示清晰。按照5～15岁、16～25岁、26～50岁、51～70岁年龄段分成4组,每组随机选择80例,分4批次进行试验,单次每个年龄组随机选择20例,不合格样本剔除后参照随机原则补足。

标注采用Slicer 4.11版本软件,图像格式为NIFTI,神经垂体和腺垂体独立标注,标注标准如下:①神经垂体的标注区域为垂体后叶区高T1信号区(图1),除神经垂体外,垂体窝内非低信号区均标为腺垂体,低信号灶不在标注范围(图2)。……