Radiology:对比增强CT图像深度学习系统在肝硬化分级的价值
2019-04-03 shaosai MedSci原创
本研究旨在建立并验证CT图像深度学习系统(DLS)在肝硬化分级中的价值。
本研究旨在建立并验证CT图像深度学习系统(DLS)在肝硬化分级中的价值。
利用包括门静脉期CT图像的7461例病理证实为肝硬化患者的数据建立基于CT肝硬化分级的DLS。利用额外891例患者数据进行验证DLS的诊断能力。利用Logistic回归分析评价患者特征及CT技术对DLS分级准确性的影响。在421例患者的亚组中,利用ROC曲线下面积和Obuchowski指数比较DLS与放射科医生、转氨酶-血小板比例指数(APRI0)肝硬化-4指数对肝硬化分级的诊断能力。
结果为,在测试组,DLS的分级准确率为79.4% (707 of 891),对诊断明显肝硬化(F2-4)、肝硬化晚期 (F3-4)、重度肝硬化(F4)的ROC曲线下面积分别为0.96、0.97、0.95。在多元分析中,仅有病理纤维化分级能够影响F1和F2 DLS的准确性(与F4比较,F1与F2的P值分别为.016 、.013),而CT技术和肝脏基础病变并不能影响DLS分级诊断性。DLS(Obuchowski指数为0.94)要优于放射科医生的评价、APRI和肝硬化-4指数(Obuchowski指数范围为0.71-0.81; P ? .001)。
本研究表明,CT图像深度学习系统能够准确对肝硬化进行分级。
原始出处:
Choi KJ, Jang JK, Lee SS,et al.Development and Validation of a Deep Learning System for Staging Liver Fibrosis by Using Contrast Agent-enhanced CT Images in the Liver.Radiology.DOI:10.1148/radiol.2018180763
本文系梅斯医学(MedSci)原创编译整理,转载需授权!
小提示:本篇资讯需要登录阅读,点击跳转登录
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#深度学习系统#
66
#增强CT#
74
#对比增强CT#
56
学习
85
谢谢!最新的信息读起来就是收获大
78