利用深度学习实现CT图像上肾脏肿瘤径线自动测量的临床可行性

摘要

目的:评估U-Net分割模型对肾脏肿瘤分割及径线测量的准确性。方法:回顾性收集本院PACS中2019年5月-2019年11月经手术病理证实的肾肿瘤患者的影像图像及结构式报告。排除未行手术治疗或病理结果未知的病例、图像及报告质量不合格及既往手术史的病例后,共纳入154例数据。从肾脏肿瘤结构式报告中导出医生测量值。利用U-Net模型自动分割肾脏肿瘤,并采用最小体积包围盒算法得到模型测量值。两位影像医生标注肾肿瘤,并采用最小体积包围盒算法得到参考值。对参考值、医生测量值、模型测量值三组数据进行统计学分析。结果:模型测量值与参考值相比,肾肿瘤短径、中径、长径之间的差异无统计学意义(P>0.05)。肿瘤各径线的医生测量值均小于参考值,差异均具有统计学意义(P<0.05)。肿瘤各径线的模型测量值大于医生测量值,差异均具有统计学意义(P<0.05)。医生测量值与模型测量值的一致性高。结论:基于U-Net的肾肿瘤分割模型自动测量肿瘤径线具有临床可行性。