《European Radiology》最新文章：基于深度學(xué)習(xí)和線性回歸級聯(lián)算法的胸片自動質(zhì)量評價
4 月 14 日，健培科技與浙江省人民醫(yī)院合作的《Automated quality assessment of chest radiographs based on deep learning and linear regression cascade algorithms （基于深度學(xué)習(xí)和線性回歸級聯(lián)算法的胸片自動質(zhì)量評價）》原創(chuàng)性研究，在放射學(xué)領(lǐng)域著名期刊《European Radiology（歐洲放射學(xué)協(xié)會官刊，影響因子/JCR分區(qū)：5.315/Q1）》發(fā)表。 這是2020浙江省重點研發(fā)計劃《智能胸部影像質(zhì)評云平臺關(guān)鍵技術(shù)研發(fā)及應(yīng)用示范》項目的一項成果，2021年完成建模并投稿，近日收錄于《European Radiology》。
01
研究目標(biāo)
評估深度學(xué)習(xí)和線性回歸級聯(lián)算法在自動計算胸片布局和擺位質(zhì)評方面的性能。
02
研究方法
這項回顧性研究使用 10 個定量指標(biāo)來捕捉放射科醫(yī)生對胸部 X 光片圖像布局和擺位的主觀看法，包括胸部邊緣、視野 (FOV)、鎖骨、旋轉(zhuǎn)、肩胛骨和對稱性。使用由 1025 張成人胸部前后片組成的訓(xùn)練數(shù)據(jù)集開發(fā)了一個圖像質(zhì)量自動評估系統(tǒng)。評估步驟包括：（i）使用基于 ResNet-34 的 CNN 框架獲得定量指標(biāo)的測量參數(shù)；（ii）使用多元線性回歸模型對定量指標(biāo)進行分析，以獲得胸片在布局和擺位方面的預(yù)測分?jǐn)?shù)。在測試數(shù)據(jù)集中 ( n= 100)，使用組內(nèi)相關(guān)系數(shù) (ICC)、皮爾遜相關(guān)系數(shù) ( r )、平均絕對差 (MAD) 和平均絕對百分比誤差 (MAPE) 評估自動化系統(tǒng)的性能。
?????????
03
研究結(jié)果
試驗結(jié)果顯示，10個定量指標(biāo)與專家主觀評分之間存在統(tǒng)計學(xué)顯著關(guān)系（p <0.05）。深度學(xué)習(xí)模型在預(yù)測定量指標(biāo)方面表現(xiàn)出很高的準(zhǔn)確性（ICC = 0.82 ~0.99，r = 0.69 ~ 0.99，MAD = 0.01 ~ 2.75）。胸片自動圖像質(zhì)量評價系統(tǒng)提供的評估結(jié)果近似于放射科專家關(guān)于圖像布局 (MAPE = 3.05%) 和擺位 (MAPE = 5.72%) 的平均意見分?jǐn)?shù)，本文方法為放射科影像圖像質(zhì)量評價提供了一個科學(xué)、便捷、可靠、量化的方式，必將促進放射科圖像質(zhì)量評價的發(fā)展。
研究結(jié)論
十個定量指標(biāo)與放射科醫(yī)師對胸片圖像布局和擺位的主觀感知密切相關(guān)。該自動化系統(tǒng)在測量定量指標(biāo)和評估圖像質(zhì)量方面具有可靠且準(zhǔn)確的性能表現(xiàn)。
研究意義
這一基于深度學(xué)習(xí)和線性回歸級聯(lián)算法的胸片自動質(zhì)量評價的研究證明將臨床專家知識加入到深度學(xué)習(xí)模型中會極大的提升模型效果，增加了深度學(xué)習(xí)模型在臨床上使用的意義。健培科技專業(yè)的AI科研團隊與浙江省人民醫(yī)院一起，聯(lián)合諸多業(yè)內(nèi)專家，順利完成實驗設(shè)計，模型搭建和結(jié)果分析的工作。本研究在放射學(xué)領(lǐng)域著名期刊《European Radiology》發(fā)表展現(xiàn)了省重大研發(fā)計劃的成果，在合作伙伴們的支持下，諸多國際化前瞻性的臨床應(yīng)用研究，將不斷結(jié)出豐碩的成果。
