亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于深度學習的肺炎病灶分割技術用于新型冠狀病毒肺炎的定量分析

        2020-03-14 13:16:14潘亞玲王晗琦俞勤吉牛鏡淇
        關鍵詞:放射科肺葉病例

        潘亞玲 王 昊 王晗琦 俞勤吉 牛鏡淇 陸 勇

        深度學習是目前機器學習領域的研究熱點,其中深度卷積神經(jīng)網(wǎng)絡是近年來發(fā)展最為迅速的計算機視覺技術,被廣泛應用于醫(yī)學圖像分析。病灶分割問題要求對醫(yī)學圖像中的特定異常區(qū)域進行像素級分類,最終得到病灶區(qū)域掩膜。深度卷積神經(jīng)網(wǎng)絡在超聲、核磁共振等醫(yī)學圖像中,對處理病灶分割問題展現(xiàn)出很好的能力[1]。據(jù)WHO 統(tǒng)計,截至2020 年3月23 日04:03,全球新型冠狀病毒肺炎(coronavirus disease 2019,COVID-19)累計確診病例294110 例,累計死亡病例12944 例,已有187 個國家或地區(qū)出現(xiàn)確診病例。COVID-19 的確診依賴于核酸檢測和血清學檢測,但文獻報道核酸檢測存在一定的假陰性率且肺部影像表現(xiàn)可能早于檢測陽性報告[2]。CT 檢查密度分辨率和空間分辨率高,有利于檢出早期肺部炎性病灶,準確評估病情嚴重程度,是COVID-19 首選的影像檢查方法[3]。為及早發(fā)現(xiàn)COVID-19 可疑病例和發(fā)掘COVID-19 區(qū)別于其他肺炎的影像特征,通過深度學習分割肺炎病灶,探究基于深度學習的肺炎病灶分割模型用于COVID-19CT 影像定量分析的可行性,為COVID-19 鑒別診斷提供幫助。

        方 法

        1.一般資料

        建立肺炎病灶分割模型的數(shù)據(jù)集由院內(nèi)采集的86 例不同程度典型肺炎表現(xiàn)的病例組成,導出CT 掃描的Dicom 圖像文件,通過ITK-Snap 工具對肺內(nèi)炎性滲出的實性和磨玻璃病灶進行像素級分割標注。標注分為兩輪進行,在窗寬1500HU、窗位-400HU的肺窗下進行觀察和標注,第一輪由一名放射科醫(yī)師初步勾畫病灶區(qū)域,第二輪由另一名放射科醫(yī)師獨立審核修改病灶區(qū)域細節(jié)。其中訓練集73 例,測試集13 例。

        建立肺炎分類模型的數(shù)據(jù)集由院內(nèi)采集的胸部CT 圖像構成。依據(jù)病例中無可疑滲出及實變、存在微小磨玻璃影或條索影及存在大面積實變和磨玻璃影等典型肺炎表現(xiàn)分為三類,由一名放射科醫(yī)師進行評估。根據(jù)比例均衡原則,構建訓練集217 例,測試集56 例,見表1。

        驗證肺炎病灶分割模型和定量分析的CT 影像從2020 年1 月20 日至2020 年2 月1 日在發(fā)熱門診就診并取得上海疾控中心RT-PCR 檢測結果的28 例COVID-19 疑似病例中獲得。按照核酸檢測結果,7 例為COVID-19 陽性,21 例為COVID-19 陰性。CT 影像數(shù)據(jù)以Dicom 格式導出,肺炎病灶分割模型預測后,由一名放射科醫(yī)師對分割結果進行確認,然后用于圖像特征定量分析。

        2.CT 檢查方法

        CT 數(shù)據(jù)由16 排(Lightspeed Pro16,Lightspeed VCT; GE Medical Systems,Milwaukee, IL) 或40 排((uCT 528,Shanghai United Imaging Healthcare Co.,Ltd. China) CT掃描儀采集。掃描參數(shù):管電壓120kVp, 自動調(diào)節(jié)管電流100 ~350mAs,轉(zhuǎn) 速0.75s/r,準直40mm×0.55mm,采用層厚1 ~1.5mm 的肺窗重建。

        3.模型訓練方法

        我們提出的肺炎病灶分割和肺炎分類模型包含兩個步驟,見圖1。肺炎病灶分割模型在CT 圖像中得到磨玻璃和實變等肺炎病灶的精確輪廓,分割結果后續(xù)用于對病灶的精確、定量分析。肺炎分類模型根據(jù)肺炎病灶分割模型的輸出結果,整合CT 圖像中所有分割病灶結果,得到一個概率值來評測受檢者為肺炎的可能性,此結果有助于優(yōu)化閱片工作流。

        我們使用目前在各類醫(yī)學圖像分割任務中均表現(xiàn)突出的深度學習模型nn-Unet 框架進行肺炎病灶分割[4]。該框架對圖像分割中的各個環(huán)節(jié),包括圖像預處理、網(wǎng)絡架構、學習過程和損失函數(shù)等都進行了自動化的優(yōu)化和參數(shù)估計,從而針對不同的分割任務和數(shù)據(jù)集均能達到較優(yōu)的效果。鑒于在病灶分割基礎上進行肺炎分類信息充分,故采用隨機森林方法構建肺炎分類模型。根據(jù)nn-Unet 輸出的肺炎病灶分割結果,進一步計算磨玻璃病灶體積占肺部的比例、實變病灶占肺部的比例和磨玻璃病灶亮度的統(tǒng)計值,以上述三個特征訓練隨機森林模型,得到CT 影像的肺炎分類預測值。肺炎病灶分割模型和肺炎分類模型參數(shù)分別見表2 和表3。

        表1 肺炎分類模型的數(shù)據(jù)集劃分

        表2 肺炎病灶分割模型參數(shù)

        4.影像分析方法

        使用上述肺炎病灶分割模型, 在28 例COVID-19 疑似患者的CT 影像上進行病灶分割。由1 名放射科醫(yī)師審核和修正分割結果,計算肺炎病灶分割模型在COVID-19 疑似患者CT 影像上分割病灶的Dice 系數(shù)、精準度及召回率。使用一個已報道的基于漸進分割網(wǎng)絡的肺葉分割模型將肺炎病灶進行肺葉定位[5]。統(tǒng)計每例COVID-19 疑似患者的病灶平均密度和密度標準差及各個肺葉的受累體積占比。采用獨立樣本T 檢驗進行COVID-19 陽性病例與陰性病例組間比較。

        結 果

        肺炎病灶分割模型采用Dice 分數(shù)、病灶像素精準度(Precision)及召回率(Recall)作為評價指標。使用ISBI 中報道的Focal-Tversky Unet 模型[7]作為對比模型。通過對比發(fā)現(xiàn),本研究提出的肺炎病灶分割模型的Dice 系數(shù)和精準度較Focal-Tversky Unet模型更高,見表4。

        肺炎分類模型采用靈敏度和特異度作為評價指標,并針對典型肺炎病例的檢出能力繪制ROC 曲線,見圖 2。肺炎分類模型檢出肺炎的ROC 曲線下面積為0.990,在切點處靈敏度和特異度分別為95.0%、97.2%。

        表3 肺炎分類模型的參數(shù)

        表4 肺炎病灶分割模型的分割效能

        表5 新型冠狀病毒肺炎陽性與陰性病例影像學特征比較

        圖1 肺炎病灶分割與分類的整體流程。

        圖2 肺炎分類的ROC 曲線。

        采用肺炎病灶分割模型對28 例COVID-19 疑似患者的CT 影像進行病灶分割,一名放射科醫(yī)師對病灶分割結果進行審核和修正,見圖3。與修正結果比較,肺炎病灶分割模型的Dice 系數(shù)為41.9%,精準度67.7%,召回率40.1%。病灶分割結果修正后,使用肺葉分割模型將肺葉分割結果與病灶分割結果對應,定量、對比分析COVID-19 陽性病例與陰性病例的影像學特征差異,見表5。相較于陰性病例,COVID-19陽性病例中病灶密度均值更高(P=0.04),且受累肺葉數(shù)量更多(P=0.01)。

        討 論

        本研究采用目前醫(yī)學圖像分割領域先進的nn-Unet 框架建立肺炎病灶分割模型,在病灶分割基礎上輸入手動設計的特征,采用隨機森林方法建立肺炎分類模型,研究結果顯示上述方法能夠較好的發(fā)現(xiàn)肺炎病例。由于磨玻璃滲出病灶的邊界在CT 影像中比較模糊,且其在肺炎病灶中占比較大。因此,對該類肺炎病灶分割標注、評估、度量較為困難。從CT 影像中可知,盡管肺炎病灶分割模型的度量指標不高(Dice 系數(shù)為0.545),但在分割視覺效果上尚可接受,并且足以支撐肺炎分類結果。

        圖3 肺葉和肺炎病灶分割和修正結果。A.原始CT 圖像 B.肺葉分割結果 C.病灶分割結果 D.經(jīng)審核和修正的病灶分割結果。

        通過普通肺炎病例訓練的肺炎病灶分割模型,經(jīng)COVID-19 患者CT 影像驗證發(fā)現(xiàn),盡管CT 數(shù)據(jù)來源于不同的肺炎患者,但基于深度學習的肺炎病灶分割模型仍然能保持一定水平的準確度,這說明該模型對不同肺炎類型的病灶分割具有一定的魯棒性。通過基于病灶分割和肺葉分割的結果定量分析,我們發(fā)現(xiàn)新COVID-19 的潛在影像學特征。與陰性病例相比,COVID-19 陽性病例的病灶平均密度更高,更容易累及多個肺葉,與其他已報道的影像學特征發(fā)現(xiàn)相符合[8-9]。通過計算機輔助病灶分割,有助于肺炎病灶影像學特征定量分析,有望促進COVID-19 的影像學特征研究。

        猜你喜歡
        放射科肺葉病例
        放射科住院醫(yī)師職業(yè)倦怠研究進展
        我國放射科住院醫(yī)師規(guī)范化培訓現(xiàn)狀的調(diào)查與思考
        放射科專業(yè)基地入科教育的實踐探討
        “病例”和“病歷”
        用全胸腔鏡下肺葉切除術與開胸肺葉切除術治療早期肺癌的效果對比
        一例犬中毒急診病例的診治
        全胸腔鏡肺葉切除術中轉(zhuǎn)開胸的臨床研究
        放射科安全管理
        妊娠期甲亢合并胎兒甲狀腺腫大一例報告
        Meckel憩室并存異位胰腺和胃黏膜并出血一例
        亚洲无人区乱码中文字幕动画| 久久国产偷| 无码专区亚洲avl| 黄色潮片三级三级三级免费| 成 人色 网 站 欧美大片在线观看 | 精品人妻日韩中文字幕| 国产精品无码制服丝袜| 免费观看性欧美大片无片| 国产精品自产拍在线18禁| 人妻中出中文字幕在线| 亚洲精品国产第一区二区| 黄瓜视频在线观看| 久久精品免费无码区| 青青草绿色华人播放在线视频 | 久久久久久人妻无码| 无码av免费精品一区二区三区| 久久精品一品道久久精品9| 蜜臀一区二区av天堂| 亚洲男人天堂黄色av| 波多野结衣av手机在线观看| 日韩亚洲中文图片小说| 亚洲中文字幕乱码在线观看| 无码爆乳护士让我爽| 无码aⅴ在线观看| 日产乱码一区二区国产内射| 在线观看中文字幕二区| 亚洲色欲色欲大片www无码| 国产精品综合日韩精品第一页| 最新日韩精品视频免费在线观看| 日韩无码专区| 国产免费无码一区二区三区| 99久久久国产精品丝袜| av手机免费在线观看高潮| 国产肉体xxxx裸体137大胆| 伊人久久大香线蕉免费视频| 人妻少妇偷人精品久久人妻| 强开小婷嫩苞又嫩又紧视频韩国| 99久久国产露脸精品竹菊传媒| 粉嫩小泬无遮挡久久久久久 | 国产精品国产三级国产专区51区| 欧美拍拍视频免费大全|