基于卷积神经网络的自发性脑出血血肿分割方法的一致性评价

摘要：

目的 建立一种基于卷积神经网络的脑血肿分割算法,探讨算法与手动分割结果的一致性.方法 纳入中国颅内出血影像数据库中146例头部CT平扫影像图片,采用随机数字表法分为训练集(90例)、测试集(26例)和验证集(30例),验证集采用手动分割、算法分割、精确多田公式和传统多田公式共4种方法对血肿体积进行测量,以手动分割为“金标准”,分别对其他3种算法进行一致性检验.结果 与多田公式方法相比,算法分割的百分误差最小,为15.54(8.41,23.18)％,组内相关系数最高,为0.983;Bland-Altman一致性检测显示,93.33％的数据在95％一致性界限(95％LoA),且其95％LoA最窄,为-6.46 ～ 5.97 ml.算法分割的百分误差在不同血肿形态、体积比较中差异无统计学意义(均P＞0.05).结论 卷积神经网络构建的算法分割具有一定的临床应用前景,但仍需更大样本的临床试验加以验证.

关键词：脑出血、人工智能、神经网络(计算机)、体层摄影术、X线计算机

所属期刊栏目：20

资助基金：北京市自然科学基金资助项目;中国医学科学院医学与健康科技创新工程重大协同创新项目;中国医学科学院北京协和医学院研究生教育教学立项项目

在线出版日期：2020-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：585-590