基于多期相CT图像的深度学习ResNet18和ResNet50模型诊断肾结核的效能比较

目的:探讨基于CT图像构建深度学习模型对肾结核进行鉴别诊断的可行性。方法:回顾性分析2018年9月至2020年8月经解放军总医院第八医学中心收治,并经组织病理学或临床确诊的肾结核、肾肿瘤、肾盂肾炎、正常肾脏、肾囊肿、肾积水患者。共纳入200例患者共400个肾脏的CT图像数据。将400个肾脏CT图像分为结核组(114个)和非结核组(286个),并且按8∶2的比例分为训练集(肾结核:85个;非肾结核:235个)和测试集(肾结核:29个;非肾结核:51个)。基于训练集通过ResNet18和ResNet50网络分别构建肾脏平扫期、皮髓质期、实质期和排泄期的深度学习模型;基于测试集评估所构建模型对肾结核的诊断效能,计算受试者工作特征曲线(ROC)曲线下面积(AUC)、敏感度、特异度、准确率和F1分数。结果:训练集中,结核组平均年龄为(41.27±11.75)岁,明显低于非结核组[(54.05±13.97)岁];测试集中,结核组平均年龄为(44.06±11.95)岁,明显低于非结核组[(56.12±10.73)岁],差异均有统计学意义(t值分别为5.753、3.444,P值均<0.05)。训练集中,结核组男性占66.7%(40/60),女性占33.3%(20/60);非结核组男性占60.9%(78/128),女性占39.1%(50/128);两组差异无统计学意义(χ^(2)=0.009,P=0.924)。测试集中,结核组男性占64.3%(18/28),女性占35.7%(10/28);非结核组男性占58.7%(27/46),女性占41.3%(19/46);两组差异无统计学意义(χ^(2)=0.018,P=0.894)。ResNet18模型肾脏各期相的AUC、敏感度、特异度、准确率和F1分数均高于ResNet50模型。ResNet18模型中以皮髓质期为最佳,AUC、敏感度、特异度、准确率和F1分数分别为0.925、93.1%、86.3%、88.7%和0.857;ResNet50模型皮髓质期AUC、敏感度、特异度、准确率和F1分数分别为0.858、72.4%、84.3%、80.0%和0.724。结论:基于多期相CT图像的ResNet18模型诊断肾结核的效能优于ResNet50模型,ResNet18模型中以皮髓质期诊断效能最佳,有较高的临床应用价值。

深度学习技术在胸部X射线片质量评价中的价值研究

目的:探讨基于ResNet50网络的深度学习技术对胸部后前位X射线片(简称胸片)投照技术进行批量自动质量评价的价值。方法:选取医院影像归档及传输系统(PACS)中的3000张胸部后前位胸片,由两名高年资主管技师共同阅片,对胸片投照技术质量做出评定。将所有胸片以胸6椎体为图像中心划分为正常、偏左、偏右、偏上、偏下以及肩胛骨在肺野内的6种类型,每种类型500张。由深睿医疗人工智能研究院搭建平台并训练胸片深度学习模型,模型包含3个独立的分类器(A、B、C),分类器A对正常、偏左及偏右进行判定;分类器B对正常、偏上及偏下进行判定;分类器C对正常和肩胛骨在肺野内进行判定。训练集包含2400张胸片,测试集包含600张胸片,采用各独立分类器的评价准确率以及各类别胸片的质量控制敏感性作为评价指标。结果:基于ResNet50网络的深度学习模型3个独立分类器对胸片质量的测试准确率分别为97.0%、99.3%和97.0%;对正常、偏左、偏右、偏上、偏下以及肩胛骨在肺野内6种类型胸片的召回率分别为98%、98%、97%、99%、100%和95%。结论:基于ResNet50网络的深度学习自动分类模型可以有效评价胸片投照技术质量,从而辅助影像科质量控制小组进行胸片质量控制评价。

脐尿管癌1例报告

患者男,52岁。1周前无明显诱因出现间断性全程肉眼血尿入院。患者无尿频、尿急、尿痛,无腰腹部疼痛等不适症状,既往史无特殊。尿液检查示:尿中红细胞量大于1 ml/L,未见红细胞管型、变形红细胞,尿蛋白(-);尿沉渣检查示:镜下完整红细胞。泌尿系超声示:膀胱前壁可见一低回声结节,大小约2.5 cm×3.0 cm,部分侵入膀胱壁内,边缘呈强回声,可见血流信号,超声诊断:膀胱肿物。PET-CT示:膀胱前壁软组织影,边缘放射性摄取增强,考虑膀胱平滑肌瘤或脐尿管囊肿。