基于深度学习的胸片心脏增大判定研究

摘要：

目的:利用深度学习自动测量心胸比率(CTR), 探讨肉眼观察、自动测量及手动测量CTR判定心脏增大的差异.方法:回顾性选取1312例体检胸部X线摄片,采用Mask R-CNN深度卷积网络分割肺野和心脏,基于分割结果自动测量CTR判定心脏增大,并与肉眼观察、手动测量CTR判定心脏增大结果相比较.结果:自动测量与手动测量CTR呈强相关性(r=0.976,P＜0.001),Bland-Altman分析显示自动测量与手动测量CTR的差值很小(差值均数=0.008).Kappa检验显示肉眼观察与手动测量判定心脏增大的一致性中等(1κ =0.667,P＜0.001),而自动测量与手动测量判定心脏增大的一致性较好(K=0.895,P＜0.001).以手动测量为心脏增大判定标准,自动测量比肉眼观察判定心脏增大的灵敏度、特异度及准确度均较高.结论:基于深度学习的自动测量CTR与手动测量强相关且一致性较好,可在体检胸部X线摄片中快速、准确地判定心脏增大.

关键词：心胸比率、心脏增大、X线胸片、深度学习

所属期刊栏目：26

分类号：R445.4(诊断学)

资助基金：1沿海-瑞金人工智能辅助影像诊断平台专项基金No.2018188 2上海市科学技术委员会科研计划项目No.17411964900 3重大疾病防治科技行动计划No.2017ZX01001-S12

在线出版日期：2021-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：584-588