目的比较单源序列采集双能CT结肠成像容积和螺旋扫描模式的扫描时间、辐射剂量和运动校正算法体配准后结直肠双能融合图像质量。方法未影响胃肠道运动功能病史的志愿者46例,接受Acquilion ONE 320排CT机容积和螺旋扫描。容积扫描:wide-v...目的比较单源序列采集双能CT结肠成像容积和螺旋扫描模式的扫描时间、辐射剂量和运动校正算法体配准后结直肠双能融合图像质量。方法未影响胃肠道运动功能病史的志愿者46例,接受Acquilion ONE 320排CT机容积和螺旋扫描。容积扫描:wide-volume,层厚0.5mm,球管电压135kVp/80kVp,球管电流自适应球管电压变化。螺旋扫描:螺距因子/螺距=0.085/6.8,层厚0.5 mm×80.0 mm,球管电压135kVp/80kVp,球管电流10mA/60mA。2位放射科医生盲法评价2种模式运动校正算法体配准前、后结直肠双能融合图像质量,以一致性意见为评价结果。分析2种模式扫描时间和有效辐射剂量,分析2种模式运动校正算法体配准后结直肠双能融合图像质量。结果容积、螺旋模式扫描时间分别为(12.31±2.32)s、(39.55±3.08)s,差异有统计学意义(t=47.912 4,P<0.01);有效辐射剂量分别为(4.14±1.51)mSv、(4.71±0.91)mSv,差异有统计学意义(t=2.193 0,P<0.05);运动校正算法体配准后结直肠双能融合图像质量1级分别为96.7%、62.6%,差异有统计学意义(U=8.978 6,P<0.01)。结论单源序列采集双能CT结肠成像容积扫描模式扫描时间较短、辐射剂量较低、运动校正算法体配准后结直肠双能融合图像质量较好。展开更多
文摘目的 开发基于深度卷积神经网络的肺结核病灶检测模型,并评估其在肺结核大规模人群筛查及临床检测中的应用价值。方法 回顾性收集2019年3月至2020年7月于喀什地区第一人民医院影像中心就诊的1217例患者的影像数据,随机分为3个数据集,以7∶2∶1的比例在改进的RetinaNet肺结核病灶检测模型上进行训练、验证和测试,并收集两个肺结核公开数据集数据共800例,用于模型的外部验证。检测模型通过构造针对小病灶敏感的损失函数,引入注意力机制和多尺度特征提取等技巧,优化对微小病灶和隐匿性病灶的检出率。结果 改进的RetinaNet模型仅在测试集的曲线下面积(Area Under the Cure,AUC)略低于原始RetinaNet模型,其他数据集的AUC和准确度均高于原始RetinaNet模型。同时改进的RetinaNet模型在外部中心的公开数据集进行模型评价时,诊断性能较测试集和验证集表现更好(AUC为0.879,准确度为0.847)。放射科医生在人工智能(Artificial Intelligence,AI)系统辅助下对肺结核病进行诊断时的灵敏度、特异性、准确度较无AI系统辅助的诊断水平均有明显提升。在有AI系统辅助下放射科医生对于病例的影像数据进行阅片时间显著短于无AI系统辅助时(P<0.001)。结论 深度学习能用于快速检测和定位胸片中的肺结核病灶,并给出相应的置信指数和病灶位置信息,可大批量筛查肺结核高风险人群,大幅度地提高医疗资源匮乏地区放射科医生的工作效率和肺结核诊断的准确度。
