基于深度学习的计算机辅助诊断系统对脑出血血肿体积的测量研究

摘要

目的:探讨基于深度学习的计算机辅助诊断系统(DL-CAD)对脑出血规则和不规则形态血肿体积测量的准确性与实用性.方法:收集符合纳入标准的脑出血患者120例,根据CT图像上血肿最大层面的形态分为规则组和不规则组各60例;分别采用itk-snap软件手工勾画、2/3Sh法、Coniglobus公式法及DL-CAD测量血肿体积;以itk-snap软件手工勾画作为血肿体积测量的金标准,采用两两配对t检验比较各种方法测量的血肿体积.结果:4种方法对规则及不规则血肿的测量结果比较,差异均有统计学意义(均P<0.05).对于规则血肿,与itk-snap软件手工勾画测得的血肿平均体积相比,2/3Sh法平均误差为7.58％,Coniglobus公式法为13.15％,DL-CAD为4.11％;对于不规则血肿,与itk-snap软件手工勾画测得的血肿平均体积相比,2/3Sh法平均误差为8.37％,Coniglobus公式法为30.99％,DL-CAD为6.05％.结论:DL-CAD对规则和不规则脑出血血肿体积测量的结果较2/3Sh法、Coniglobus公式法更准确,能减少测量误差,对于不规则血肿测量的临床意义更明显.