简体中文

论著-胸部

深度学习结合影像组学的胸部CT新冠肺炎智能诊断模型研究*

作者:徐翠莲1 印宏坤2 伋立荣1 蔡 武1 张 伟1 范国华1,*

所属单位:1.苏州大学附属第二医院影像诊断科 (江苏 苏州 215004) 2.北京推想科技有限公司 (北京 100020)

PDF

摘要

目的 采用深度学习分割图像结合影像组学分类的方法构建基于胸部CT的新冠肺炎智能诊断模型并评估其诊断效能。方法 回顾性分析24例COVID-19肺炎和 17例普通病毒性肺炎患者的CT影像,利用基于深度学习的AI模型实现肺炎病灶的自动分割,从每一帧图像的病灶区域中提取影像组学特征,经过LASSO 回归降维后分别采用高斯朴素贝叶斯、随机森林和极端梯度提升的方法在训练集中建立影像组学模型,并在验证集中测试模型性能。采用Dice系数评估 肺炎病灶分割的准确性,采用ROC评估新冠肺炎诊断效能。结果 肺炎病灶AI自动分割在单幅CT图像上的Dice系数为0.835±0.122,在整个CT序列影像上 的Dice系数为0.864±0.036,与人工标记的结果有较高的一致性。通过LASSO降维筛选出9个特征参数,基于高斯朴素贝叶斯、随机森林和极端梯度提升 方法的预测模型在验证集薄层CT序列上的曲线下面积分别为0.829、0.829和0.857;在厚层CT序列上的曲线下面积分别为0.786、0.743和0.743。基于三 种分类器的预测模型性能基本相当,差异无统计学意义。结论 深度学习结合影像组学的智能诊断模型有助于COVID-19与非COVID-19病毒性肺炎的鉴别诊 断。

【关键词】COVID-19;CT;深度学习;影像组学;人工智能辅助诊断

【中图分类号】R445.3

【文献标识码】A

【DOI】10.3969/j.issn.1009-3257.2021.05.008