基于全自动深度学习支持的CT肝脂肪变性检测：一项多中心国际验证研究
图像与视频处理
2022-11-08 v3 计算机视觉与模式识别
摘要
尽管肝脂肪变性在全球范围内患病率很高，但尚无自动化诊断方法在多个国际数据集上显示出检测脂肪变性的泛化能力。传统上，肝脂肪变性检测依赖于临床医生在计算机断层扫描（CT）上选择感兴趣区域（ROI）来测量肝脏衰减。ROI选择需要时间和专业知识，因此未在人群中常规进行。为了实现该过程的自动化，我们验证了一个现有的用于3D肝脏分割的人工智能（AI）系统，并利用它提出了一种新方法：AI-ROI，该方法可以自动选择用于衰减测量的ROI。AI分割和AI-ROI方法在来自八个国际数据集的1,014张非增强胸部CT图像上进行了评估：LIDC-IDRI、NSCLC-Lung1、RIDER、VESSEL12、RICORD-1A、RICORD-1B、COVID-19-Italy和COVID-19-China。AI分割的平均Dice系数达到0.957。与专家测量相比，AI-ROI测量的衰减值无显著差异（p = 0.545），且时间减少了71%。AI-ROI脂肪变性分类的曲线下面积（AUC）为0.921（95% CI: 0.883 - 0.959）。如果作为常规筛查方法执行，我们的AI方案可能为肝脂肪变性提供早期非侵入性、非药物性的预防性干预。1,014例带有肝脂肪变性标注的专家标注肝脏分割数据可在此处下载：https://drive.google.com/drive/folders/1-g_zJeAaZXYXGqL1OeF6pUjr6KB0igJX。
引用
@article{arxiv.2210.15149,
title = {Fully Automated Deep Learning-enabled Detection for Hepatic Steatosis on Computed Tomography: A Multicenter International Validation Study},
author = {Zhongyi Zhang and Guixia Li and Ziqiang Wang and Feng Xia and Ning Zhao and Huibin Nie and Zezhong Ye and Joshua Lin and Yiyi Hui and Xiangchun Liu},
journal= {arXiv preprint arXiv:2210.15149},
year = {2022}
}