基于卷积神经网络成人肋骨骨折CT自动检测和分类的应用研究

摘要

cqvip:目的探讨基于卷积神经网络(CNN)胸部CT平扫自动检测和分类肋骨骨折的准确性和可行性。方法回顾性搜集A医院2011年1月~2019年1月974例成人肋骨骨折患者,另外收集2019年1月B医院25例,C医院25例成人肋骨骨折患者作为多中心测试集进行鲁棒性验证。三种骨折类型(新鲜骨折、愈合期骨折和陈旧性骨折)的相应CT图像被自动检测并输出为结构化报告。采用精准度、召回率和F1值作为衡量CNN模型诊断效能的指标。检测/诊断时间、精准度、灵敏度、fROC曲线用来比较CNN模型的结构化报告和放射科主治医生的诊断效能。结果CNN模型在所有测试集上具有良好的鲁棒性(平均精准度、平均召回率、平均F1值均≥0.8)。新鲜骨折和愈合期骨折的检测效率略高于陈旧性骨折(平均精准度:0.829,0.867>0.814;平均召回率:0.875,0.870>0.827;平均F1值:0.851,0.868>0.821)。CNN模型输出的结构化报告达到放射科主治医师诊断水平,并且CNN模型的检测时间平均缩短132.07 s。结论利用CNN模型可在较短的时间内自动检测并分类肋骨骨折,达到放射科主治医师的诊断水平,且该模型具有一定的鲁棒性和可行性。