查看更多>>摘要：目的 探讨人工智能(AI)辅助诊断系统在胸部光谱CT虚拟平扫中评估肺结节检出的可行性.方法 回顾性搜集55例于光谱CT行胸部平扫及动静脉增强扫描患者的图像资料,包括67个高危结节.将常规平扫(TNC)、重组的动脉期虚拟平扫(VNC-A)和静脉期虚拟平扫(VNC-V)图像导入AI运算,统计AI检出的肺结节数目、直径以及识别高危结节的形态学特征.经放射科医师鉴别结节的真假阳性,并采用盲法对高危结节形态学特征进行肉眼评估.计算并比较AI在3组图像中检出结节的敏感度、阳性预测值及假阳性率,采用Bland-Altman散点图分别比较VNC-A、VNC-V与TNC中AI识别的共同结节长径的平均差异.同时评估基于AI识别和放射科医师主观评价的肺部高危结节形态学特征的一致性.此外,测量并比较3组图像中胸主动脉、肺动脉干、肩胛肌和胸壁脂肪的CT值、背景噪声、信噪比,以客观评估图像质量.记录各期扫描的辐射剂量.结果 3组图像中AI检出肺结节的敏感度差异无统计学意义(P=0.345),而阳性预测值及假阳性率差异有统计学意义(P=0.007、0.002),VNC-A的阳性预测值明显更低,假阳性率更高.基于AI或放射科医师评估VNC-A、VNC-V中高危结节的形态学特征方面,与TNC相当,而以放射科医师识别结果作为金标准时,除AI识别的血管集束征数目明显少于放射科医师(P＜0.001),其他形态特征的AI识别性能与放射科医师无统计学差异.Bland-Altman散点图分析结果显示,TNC和VNC-A、VNC-V中共同病灶长径的平均差异分别为0.151 mm、0.057 mm.在图像质量的客观评价中,除脂肪外,VNC图像在评估胸部不同组织展现出与TNC相近的CT值(P值均＞0.05),具有较低背景噪声,更高的信噪比.使用VNC图像替代TNC可使患者所受总有效辐射剂量减少31.65％.结论 基于AI辅助诊断系统联合光谱CT虚拟平扫技术,更推荐VNC-V,其在显著降低辐射剂量的同时,可以保证高质量图像,提供优异的结节检测性能,并基本还原形态学特征.
NETL
NSTL
万方数据