基于卷积神经网络的硬膜下和硬膜外血肿分割方法的一致性评价

摘要

目的 探讨基于卷积神经网络的血肿分割算法对硬膜下和硬膜外血肿的测量结果与手动分割结果的一致性.方法 纳入2017年1月至2019年6月中国颅内出血影像数据库129例硬膜下和硬膜外血肿患者计352张CT影像(硬膜下血肿33例计104张影像、硬膜外血肿96例计248张影像),均采用手动分割、算法分割、多田公式3种方法对血肿体积进行测量,以手动分割作为“金标准”,分别与算法分割和多田公式进行一致性检验,并探讨血肿形态和边界对算法的影响.结果 与多田公式相比,算法分割的百分误差最小(23.62％),有94.89％ (334/352)的测值在95％一致性界限(95％LoA)内,与“金标准”的一致性良好;但算法分割的波动范围更大,在不对称(P=0.000)和边界清晰(P=0.000)的血肿中表现更佳.结论 基于卷积神经网络构建的算法分割具有一定的临床应用前景,但尚待进一步验证.