基于 AI 的对比增强 CT 图像的胸腔积液体积估计
图像与视频处理
2025-10-07 v1 人工智能
计算机视觉与模式识别
摘要
背景：胸腔积液 (PE) 是许多不同临床情况中常见的发现，但从 CT 扫描中准确测量其体积具有挑战性。目的：为改进 PE 的分割与量化以实现更好的临床管理，我们开发并训练了一个在对比增强 CT 体积上进行半监督深度学习框架。材料与方法：本回顾性研究收集了来自内部和外部数据集的 CT 肺动脉造影 (CTPA) 数据。100 例病例被手动注释用于模型训练，其余病例用于测试和验证。开发并使用的一种新型半监督深度学习框架，即教师-教学助理-学生 (Teacher-Teaching Assistant-Student, TTAS)，用于在非注释检查中实现高效训练。比较了分割性能与最新模型的表现。结果：纳入 100 名患者（平均年龄 72 岁，标准差 28；55 名男性）。TTAS 模型表现优于最新模型，Dice 平均值为 0.82（95% 置信区间 0.79 - 0.84），而 nnU-Net 为 0.73（p < 0.0001，Student's T 检验）。此外，TTAS 的平均绝对体积差 (AbVD) 降低为 6.49 mL（95% 置信区间 4.80 - 8.20），为 nnU-Net 的 23.16 mL（p < 0.0001）。结论：开发的 TTAS 框架提供了优于现有方法的 PE 分割能力，有助于从 CT 扫描中实现准确的体积确定。
引用
@article{arxiv.2510.03856,
title = {AI-Assisted Pleural Effusion Volume Estimation from Contrast-Enhanced CT Images},
author = {Sanhita Basu and Tomas Fröding and Ali Teymur Kahraman and Dimitris Toumpanakis and Tobias Sjöblom},
journal= {arXiv preprint arXiv:2510.03856},
year = {2025}
}