基于低剂量胸部CT深度学习模型自动测量骨密度研究

目的:评价基于低剂量胸部CT深度学习模型全自动测量与定量CT(QCT)手动测量骨密度的一致性。方法:回顾性分析2018年6月-2019年12月在弋矶山医院行低剂量胸部CT筛查联合定量CT(QCT)骨密度测量的1406例体检者的临床和影像资料。随机分为训练集(985例)和测试集(421例)。应用深度学习等方法构建骨分割模型等及内部组织校准模型,应用测试集检测其效能。以QCT结果作为参考标准,应用Spearman相关系数、组内相关系数、Bland-Altman分析两种测量方法的相关性和一致性;以QCT测量结果的骨质疏松(OP)诊断作为参考标准,应用ROC曲线评价其对OP的诊断效能。结果:训练集及测试集中深度学习模型与QCT的骨密度测量结果均呈正相关(训练集:r=0.957,P<0.001;测试集:r=0.955,P<0.001),组内相关系数为0.946(训练集)、0.945(测试集)。该模型在训练集中ROC曲线下面积(AUC)、灵敏度、特异度、准确度分别为0.986、47.5%、100%、95.7%;在测试集中分别为0.975、42.1%、100%、94.8%。结论:基于低剂量胸部CT深度学习模型和QCT的骨密度测量的一致性和相关性较好,初步实现了自动、快速的基于LDCT的骨质疏松筛查,但需扩大患者人群进一步优化和验证。

人工智能辅助CT血管成像脑血管重建在基层医院颅内动脉瘤诊断中的应用

目的探讨人工智能辅助CT血管成像(CTA)在西藏地区颅内动脉瘤诊治中的应用价值。方法回顾性分析2021年8月至2022年4月拉萨市人民医院神经外科收治的26例颅内动脉瘤患者。所有患者均于24 h内行CTA检查,数据分别使用人工智能辅助和人工方法进行脑血管三维重建,比较2种方法的重建时间、诊断结果、图像质量。采用独立样本t检验比较人工智能重建组和人工重建组重建时间和图像评分的差异,采用χ^(2)检验比较疾病诊断准确性的差异。结果人工智能重建组动脉瘤位置诊断准确性为92.3%(24/26),人工重建组准确性为96.2%(25/26),2组差异无统计学意义(P>0.05)。人工智能重建组CTA重建所需时间显著低于人工重建组[(24.2±11.8)min vs(94.7±42.0)min],差异具有统计学意义(t=-8.82,P<0.001)。人工智能重建组图像评分高于人工重建组[(4.53±0.58)分vs(3.46±0.94)分],差异具有统计学意义(t=4.24,P<0.001)。结论人工智能辅助CTA脑血管重建成像技术较人工重建更快速,显示动脉瘤情况更满意,适合在基层医院应用。