基于卷积神经网络的自发性脑出血血肿分割方法的一致性评价

目的 建立一种基于卷积神经网络的脑血肿分割算法,探讨算法与手动分割结果的一致性.方法 纳入中国颅内出血影像数据库中146例头部CT平扫影像图片,采用随机数字表法分为训练集(90例)、测试集(26例)和验证集(30例),验证集采用手动分割、算法分割、精确多田公式和传统多田公式共4种方法对血肿体积进行测量,以手动分割为“金标准”,分别对其他3种算法进行一致性检验.结果 与多田公式方法相比,算法分割的百分误差最小,为15.54(8.41,23.18)％,组内相关系数最高,为0.983;Bland-Altman一致性检测显示,93.33％的数据在95％一致性界限(95％LoA),且其95％LoA最窄,...

Full description

Saved in:
Bibliographic Details
Published in中国现代神经疾病杂志 Vol. 20; no. 7; pp. 585 - 590
Main Authors 常健博, 姜燊种, 陈显金, 骆嘉希, 李沃霖, 张庆华, 魏俊吉, 石林, 冯铭, 王任直
Format Journal Article
LanguageChinese
Published 100730 中国医学科学院北京协和医学院北京协和医院神经外科%518051 华中科技大学协和深圳医院(南山医院)神经外科%518000 深圳博脑研究院%999077 香港中文大学医学院影像及介入放射学系 25.07.2020
Subjects
人工智能
神经网络(计算机)
脑出血
体层摄影术,X线计算机
Online AccessGet full text

Cover

More Information
Summary:目的 建立一种基于卷积神经网络的脑血肿分割算法,探讨算法与手动分割结果的一致性.方法 纳入中国颅内出血影像数据库中146例头部CT平扫影像图片,采用随机数字表法分为训练集(90例)、测试集(26例)和验证集(30例),验证集采用手动分割、算法分割、精确多田公式和传统多田公式共4种方法对血肿体积进行测量,以手动分割为“金标准”,分别对其他3种算法进行一致性检验.结果 与多田公式方法相比,算法分割的百分误差最小,为15.54(8.41,23.18)％,组内相关系数最高,为0.983;Bland-Altman一致性检测显示,93.33％的数据在95％一致性界限(95％LoA),且其95％LoA最窄,为-6.46 ～ 5.97 ml.算法分割的百分误差在不同血肿形态、体积比较中差异无统计学意义(均P＞0.05).结论 卷积神经网络构建的算法分割具有一定的临床应用前景,但仍需更大样本的临床试验加以验证.
ISSN:1672-6731
DOI:10.3969/j.issn.1672-6731.2020.07.005