深度学习算法与影像医师测量肺转移瘤体积的一致性分析.pdfVIP

《现代仪器与医疗》2024年第30卷第4期97

·数字化医疗

深度学习算法与影像医师测量肺转移瘤体积的一致性分析

龙创周颖俊*

（湘潭市中心医院放射科，湘潭411100）

【摘要】目的评估深度学习（Deeplearning，DL）算法与放射科医师在测量肺转移瘤体积方面的一致性。方法从

湘潭市中心医院2019年6月一2023年6月收治的肿瘤患者中随机选取57例肺转移瘤患者的CT扫描图像，其中包括89

个实性转移结节。使用一种商业DL算法自动识别肺转移结节，并通过DL计算肺转移瘤体积（Lungmetastasesvolumeby

DL,LMV-DL）。同时，两名资深放射科医师在肺窗上手动勾画肺转移结节，并使用面积求和法计算LMV-Radiologistl

和LMV-Radiologist2。然后，使用Bland-Altman方法计算三组LMV之间的95%一致性界限（95%LoA），并评估一致

性。结果Bland-Altman法示：三组两两比较，其中，LMV-DL与LMV-Radiologistl、LMV-Radiologist2的95%LoA分别

为-758.3~416.2mm²、-627.1~518.1mm²，宽于Radiologistl与Radiologist2之间95%LoA-207.1~440.2mm。结论DL算

法在测量LMV方面与放射科医师表现出良好的一致性，并可作为自动测量方法替代手动测量，有助于肺结节的临床管理。

【关键词】深度学习算法；放射科医师；肺转移瘤；评估一致性；临床管理

【中图分类号】TH77；R681.5【文献标识码】A【D01】10.11876/mimt202404017

Consistencyanalysisbetweendeeplearningalgorithmandradiologistsinmeasuringthe

volumeoflungmetastases

LongChuang,ZhouYingjun

(DepartmentofRadiology,XiangtanCentralHospital,Xiangtan41l100,China)

Correspondingauthor:ZhouYingjun,E-mail:407420879@

[Abstract)ObjectiveToassesstheagreementbetweenadeeplearning(DL)algorithmandradiologistsinmeasuring

lungmetastasesvolume.MethodsCTscanimagesof57patientswithlungmetastaseswererandomlyselectedfromXiangtan

CentralHospitalfromJune2019toJune2023,including89solidmetastaticnodules.AcommercialDLalgorithmwasusedto

automaticallyidentifypulmonarymetastaticnodulesandcalculatelungmetastasesvolumebyDL(LMV-DL).Simultaneously,

twoseniorradiologistsmanuallyoutlinedthelungmetastaticnod