人工智能骨密度测量系统与QCT测量骨密度的一致性研究

目的：评估基于胸部低剂量CT的人工智能(AI)骨密度测量系统与定量CT (QCT)测定骨密度的相关性和一致性，并评估其诊断骨质疏松症的有效性。方法：回顾性纳入1 427名接受了低剂量胸部CT检查的健康体检者，分别使用AI骨密度测量系统和QCT测量T12、L1、L2椎体骨密度。采用线性回归分析和Bland-Altman法评价2种方法测定骨密度的相关性和一致性。以QCT结果为参考标准，绘制受试者工作特征(ROC)曲线评估AI骨密度测量系统诊断骨质疏松的准确性。结果：2种方法测量T12、L1和L2骨密度的相关系数分别为0.988、0.992、0.990;2种方法测量的骨密度差值分别为2.96 (95%CI 2.62～3.31)、1.46(95%CI 1.18～1.74)、1.61 (95%CI 1.30～1.92)mg/cm³，大部分位于均值±1.96SD范围内。AI系统预测骨密度用于诊断骨质疏松的ROC曲线下面积为0.996 (95%CI 0.994～0.998;P<0.001)，灵敏度为0.989，特异度为0.905。结论：AI骨密度测量系统与QCT测定骨密度...     

基于深度学习的胸部X线肺结核检测研究及多中心临床验证

【摘要】目的：构建基于深度学习的胸部X线肺结核检测模型并通过多中心研究验证其效能及临床价值。方法：回顾性搜集2600例来自3个中心的胸部X线图像并随机分为训练集、验证集和测试集,构建基于RetinaNet架构的肺结核深度学习检测模型,并在ChinaSet和MontgomerySet胸部X线公开数据集以及来自深圳三院的外部临床测试集上对深度学习模型的鲁棒性进行外部测试。采用受试者工作特征曲线（receiver operator characteristic curve,ROC）评估模型效能。同时通过临床检测评估深度学习模型的重复性和再现性。结果：深度学习模型在内部测试集的ROC曲线下面积（AUC）为0.967,在ChinaSet、MontgomerySet和深圳三院外部测试集的AUC分别为0.95、0.93和0.976,具有较高的准确性和良好的鲁棒性。临床一致性评估证实了模型的重复性和再现性。结论：深度学习模型具备良好的效能,可以作为胸部X线影像结核病检测工具用于临床决策支持。     

胸腹部平扫CT值用于机会性筛查骨质疏松的可行性

目的:基于定量CT(QCT)探讨胸部常规kVp平扫和腹部能谱GSI平扫下椎体CT值用于机会性筛查骨质疏松的可行性。方法:前瞻性收集接受胸腹部平扫的患者431例,胸部CT扫描采用常规120 kVp,腹部扫描采用能谱(GSI)模式。对胸腹部扫描重叠的T11～L1椎体进行分析。使用QCT骨密度测量工作站测得胸部常规120 kVp下T11～L1椎体的骨密度(BMD),同时分别测量胸部120 kVp与腹部GSI扫描70 keV单能量下T11～L1椎体的CT值。采用组内相关系数(ICC)评估数据测量的一致性,Spearman相关性检验分析椎体BMD值与CT值之间的相关性。不同椎体间CT值差异采用Friedman秩和检验。参考QCT诊断标准,将椎体分为骨质疏松、骨量减少和骨量正常组,采用Kruskal-Wallis比较三组间及组内CT值差异。组内120 kVp-CT值和GSI-CT值采用Wilcoxon秩和检验。以T11～L1椎体BMD均值行骨质状态判定,采用受试者操作特征(ROC)曲线分析椎体CT值评估骨质状态的诊断效能。结果:椎体BMD与120 kVp-CT值和GSI-CT值均呈正相关(r=0....     

低剂量胸部CT与QCT椎体骨密度测量一站式扫描可行性研究

【摘要】目的：探讨低剂量胸部CT与定量CT（QCT）骨密度测量一站式扫描的可行性。方法：腰椎CT（250mA）和低剂量胸部CT（80mA）两组扫描参数对欧洲脊柱体模（ESP）重复扫描10次,QCT测量ESP椎体骨密度、计算准确度误差并进行统计学分析。搜集既行低剂量胸部CT、又因其他原因行腰椎CT 的40例患者,两次扫描间隔不超过1个月,QCT测量T12~L2椎体骨密度并分析结果。一组360例无症状体检者T12~L2椎体骨密度资料,分析T12/L1椎体骨密度均值与L1/L2椎体骨密度均值间相关性、并比较筛查法（依据T12/L1椎体骨密度均值）与推荐法（依据T12/L1椎体骨密度均值）评估骨密度诊断结果的一致性。结果：250mA和80mA两组间ESP “L1、L2、L3”椎体骨密度准确度误差及40例患者T12、L1、L2椎体骨密度差异均无统计学意义（P＞0.05）。360例无症状体检者T12/L1与L1/L2椎体骨密度均值分别为157.104±33.480、153.352±33.299,二者具有明显相关性（r=0.988,P＜0. 05）。筛查法与推荐法评估骨密度诊断结果一致性好（Kappa=0.747,P＜0. 05）。结论：低剂量胸部CT与QCT一站式扫描,能同时满足肺筛查和评估骨密度需求,并且能降低辐射剂量、节约医疗成本及患者检查时间。     

基于CT双期增强图像的深度迁移学习模型对甲状腺良恶性结节的分类研究

【摘要】目的：评价基于CT双期增强图像的不同深度迁移学习（DTL）模型对甲状腺良恶性结节的分类效能。方法：采用相同程序架构和相同数据集对3种DTL模型（VGG19、ResNet50和DenseNet201）的分类诊断效能进行测试和评估。以不同模型在训练集和测试集中的最高预测符合率和在验证集中的符合率、召回率、F1评分和受试者工作特性曲线（ROC）下面积作为评估模型效能的指标。结果：DenseNet201模型获得了最好的训练和测试结果,在训练集和测试集中的最高预测符合率分别为1.00和0.98;VGG19模型用时最长,其在训练集和测试集中的预测符合率分别为0.99和0.98,较DenseNet201略差;ResNet50模型用时最短,但测试结果最差,在训练集和测试集中的最高符合率分别为0.93和0.92。VGG19、ResNet50和DenseNet201模型在验证集中的平均符合率为0.96、0.92和0.98）,召回率分别为0.96、0.91和0.98,F1评分分别为0.96、0.91和0.98。DenseNet201模型的ROC曲线下面积为0.98,高于VGG19模型（0.95）和ResNet50模型（0.91）。结论:基于DenseNet201的DTL模型对甲状腺CT良恶性结节具有较高的分类效能,有助于提高影像诊断准确性。     

利用深度学习实现CT图像上腰骶椎各结构分割及椎间盘自动定位的可行性研究

目的:探索使用3D U-Net深度学习模型在CT图像上进行腰椎各结构的自动分割及椎间盘自动定位的可行性。方法:回顾性搜集2020年12月1日-2021年3月29日于本院行腰椎平扫CT的患者影像图像,排除腰椎术后、脊柱畸形及骨转移的病例,共纳入了154个图像数据。手工标注腰骶椎各椎体、椎间盘及硬膜囊。按8:1:1比例将数据随机分为训练集(n=125)、调优集(n=14)和测试集(n=15)。利用3D U-Net分割模型进行训练,以医师手动标注结果作为参考标准,根据测试集Dice相似系数(DSC)、体积相似度(VS)和Hausdorff距离(HD)作为评价模型分割效能的指标。应用连通域分割算法进行腰椎各椎间盘定位,以医师判定为金标准,采用混淆矩阵评价模型识别各椎间盘的位置的定位效能。结果:测试集中3D U-Net深度学习模型对腰骶椎各结构分割结果DSC值、VS值均>0.96。模型识别各椎间盘位置的准确率达98.7%,模型预测与医师判定一致性高。结论:3D U-Net深度学习模型和可用于CT图像中腰椎各主要结构的自动分割并通过连通域算法实现椎间盘自动定位。     

多发性骨髓瘤患者腰椎定量CT与双能X线吸收测定仪测定骨密度对照研究

目的比较多发性骨髓瘤(MM)患者腰椎定量CT(QCT)与双能X线吸收测定仪(DXA)测量骨密度(BMD)的结果,探讨QCT对多发性骨髓瘤患者继发骨质疏松的评估价值。资料与方法 67例骨髓瘤患者分别行腰椎QCT与DXA骨密度检测,比较2种方法对骨质疏松的检出率,并经腰椎CT图像分析骨赘形成、腹主动脉钙化和椎体上下终板钙化情况。结果 QCT对骨质疏松的检出率为50.75%,DXA对骨质疏松的检出率为8.96%,两者比较,差异有统计学意义(χ2=0.668,P<0.001)。67例患者中,腰椎CT图像分析骨赘形成35例(52.24%),腹主动脉钙化21例(31.34%),椎体上下终板钙化21例(31.34%)。结论 QCT测量腰椎骨密度在骨髓瘤患者中作为骨质疏松评价手段,有更明显的临床意义。     

深度学习重建算法结合低剂量CT在机会性骨质疏松症筛查中的应用研究

目的 将深度学习重建算法与低剂量CT相结合,探究其对图像质量的影响及对骨密度测量的影响,及其在机会性骨质疏松筛查中的应用价值。方法 前瞻性收集同时接受胸上腹部联合低剂量扫描的患者119例(年龄≥40岁)。所有图像分别使用滤波反投影(FBP)算法、基于混合模型的自适应统计迭代重建(ASIR-V)50%和3个水平深度学习算法进行重建。使用非同步定量CT软件进行骨密度测量,比较不同重建条件下的骨密度(BMD)。分别计算降主动脉、肝脏、脾脏的信噪比(SNR)和对比噪声比(CNR),将前腹壁脂肪的标准差代表图像的噪声,并使用5分制主观评价法,进行图像质量客观评价。比较不同重建方法下,不同部位的客观和主观图像质量。结果 在不同的重建方法下,BMD的差异无统计学意义(P>0.05)。高级别的深度学习重建算法(DLIR-H)较ASIR-V 50%在降主动脉、肝脏和脾脏的SNR分别提高了103.88%、125.09%、136.13%,图像噪声降低了55.98%,DLIR-H的CNR和主观评分(肺部病变显示能力除外)均优于DLIR-L和ASIR-V 50%(χ²=158.31~275.35,P＜0.001)。结论 深度学习算法不影响骨密度测量的准确性,图像质量优于ASIR-V 50%。深度学习算法联合低剂量CT可用于机会性骨质疏松筛查。     

中老年腰椎QCT骨密度测量及骨质疏松症与脊柱脆性骨折相关性的研究

目的应用QCT测量武进区城乡中老年人腰椎骨密度,掌握骨质疏松、脊柱骨折发病情况,分析骨质疏松症与脊柱脆性骨折的相关性。方法对武进区600例城乡志愿者行上腹部低剂量QCT扫描,测量腰椎骨密度,记录脊柱骨折发生情况,依据骨质疏松诊断标准分为骨密度正常、低骨量、骨质疏松、严重骨质疏松四组,采用方差分析、卡方检验比较四组间骨密度测量值、脊柱骨折发生情况有无明显统计学差异。绘制脊柱脆性骨折发生部位统计图。结果骨质疏松检出率为24.83%(149/600),严重骨质疏松组脊柱脆性骨折检出率(54.5%)最高,其次为骨质疏松组(15.5%),四组间骨密度测量值无统计学意义(P=0.1328),而脊柱脆性骨折发病情况有显著统计学意义(P=0.0000.01)。脊柱脆性骨折主要位于L_1、T_(12)、L_2,检出率分别为31.14%、29.5%和11.48%。结论 QCT测量腰椎BMD为OP早期发现、早期治疗和预防脊柱脆性骨折及预测骨折再发生提供了可靠的临床依据。脊柱脆性骨折的发病率与OP严重程度存在一定正相关。     

两种定量CT骨密度测量分析软件在腰椎骨密度测量中重复性及一致性研究

目的探讨Image analysis(IA)公司的N-vivo和Mindways(MW)公司的QCT Pro两种定量CT(QCT)骨密度分析软件测量腰椎骨密度(BMD)结果的重复性及两种软件测量值是否存在差异,为建立中国人群QCT骨密度数据库多中心研究提供参考。资料与方法采用东芝16排CT扫描机和IA定量CT骨密度校准体模对204例受试者行QCT检查,将CT图像转到QCT工作站,采用两种软件进行骨密度测量分析,比较两种软件所得测量值的相关性与差异性;并自204例数据中随机抽取其中各20例,由2个人不同时间(相隔1d)于每个软件上分别测量2次,反映软件在相同操作方法下重复测量同一对象的重复性,评价两种软件测量值的重复性。结果重复性研究:IA软件及MW对于所选20例2次测量结果之间均具有显著相关性(r=0.998,P<0.01)。2次测量结果之间差异均无统计学意义(P>0.05)。一致性研究:IA、MW软件对于204例分别测量结果之间具有显著相关性(r=0.995,P<0.01)。两软件测量结果之间差异无统计学意义(P>0.05)。结论于IA和MW两种定量CT分析软件上分别所测腰椎BMD值无显著差异,具有很好的一致性,为多中心研究提供了依据。     

基于不同管电压下腰椎定量CT骨密度测量临床研究

【摘要】目的：探讨不同管电压下定量CT(QCT)测量腰椎骨密度（BMD）结果的差异及校正方法。方法：招募2021年10月至2022年1月于我院进行低剂量肺CT联合腰椎QCT健康体检人群中检出疑似肺部炎性病变，进而需进一步CT复查者为志愿者，两次扫描时间间隔1~4周，共入组122例，根据两次检查管电压的不同记为100kV组和120kV组，其余扫描参数相同，分别进行骨密度测量，采用配对t检验对两次测量结果的差异进行比较，计算组内相关系数(ICC)评价两组间相关性，应用Bland-Altman分析两次测量结果之间的一致性，运用Pearson相关性分析、线性回归分析得出相关系数及回归方程。结果：保持其他扫描条件一致，采取不同管电压扫描，定量CT所测得的腰椎骨密度不同，100kV管电压下测得的骨密度大于120kV管电压下的骨密度，差异具有统计学意义（P=0.000），两组间测量结果一致性好、相关性好（ICC=0.996，P=0.000）；不同管电压下骨密度测量结果相关性强，且二者呈正相关（r=0.9961，P=0.000），得出回归方程Y=0.9932X-2.160，R2=0.9923。结论：100kV和120kV管电压条件下，定量CT骨密度测量结果存在差异，结果呈高度正性相关。当管电压为100kV时，可通过回归方程进行校正，获得120kV条件下的真实骨密度值。     

磁化传递成像评估原发性骨质疏松症的价值北大核心CSCD

目的:探讨磁化传递成像(MTI)定量评估原发性骨质疏松症的应用价值。方法:回顾性分析159例行腰椎MR检查患者的资料,根据定量CT(QCT)结果分成骨质疏松组、骨量减低组和骨量正常组3组。测量腰2~4椎体磁化传递率(MTR)。比较组间MTR值的差异,绘制ROC曲线以分析MTR对骨质疏松及骨量减低的诊断效能。结果:随着骨密度的降低,椎体MTR值也减低,差异有统计学意义(P<0.001)。MTR值诊断骨量减低与骨质疏松的ROC曲线下面积(AUC)分别为0.875、0.944,MTR阈值分别为10.45、5.95,其诊断骨量减低、骨质疏松的灵敏度分别为78.90%、86.41%,特异度分别为86.84%、89.83%(P<0.001)。结论:MTI技术可以早期、灵敏地检测骨量变化,MTR值可作为骨质疏松症进展的生物学标志物。     

不同剂量下重建矩阵对定量CT椎体骨密度测量值的影响

目的:探讨不同剂量下重建矩阵对定量CT(QCT)椎体骨密度(BMD)测量值的影响。方法:使用联影uCT760 CT机,采用两种剂量水平(管电压120 kVp管电流150或30 mAs)对欧洲标准脊柱体模(ESP)和QCT校准体模进行扫描。基于原始扫描数据,分别采用512×512、768×768、1024×1024三种矩阵进行图像重建。将重建图像传输至QCT-pro工作站进行体模内各椎体(V1、V2、V3)BMD的测量,基于椎体标定值,计算测量值的相对误差(RE),采用单因素方差分析比较不同重建矩阵下椎体骨密度相对误差差异。回顾性将在本院行胸部HRCT和胸部低剂量CT(LDCT)的各45例患者纳入本研究。对所有患者的原始图像分别采用512×512和1024×1024矩阵进行图像重建,然后由两位医师分别独立进行椎体(Th₁₂和L₁)BMD的测量并采用组内相关系数(ICC)进行一致性检验,采用配对样本t检验比较不同重建矩阵图像上测得的Th₁₂和L₁椎体的BMD值及两者均值的差异。结果:150和30 mAs...     

AI对非门控胸部LDCT平扫冠状动脉钙化积分危险分层的预测价值

目的 探讨人工智能（AI）在非门控胸部低剂量CT（LDCT）平扫冠状动脉钙化积分（CACS）危险分层中的预测价值。 方法 回顾性收集接受冠状动脉CT血管成像（CCTA）检查及非门控LDCT平扫的病人152例（训练集与测试集比例为2∶1）,训练集为上海长征医院收集的102例病人;测试集为武汉同济医院收集的50例病人。分别由AI模型和2名中年资影像医师在所有病人影像上勾画钙化,获得CACS后进行CACS危险分层（低危、中危和高危）,使用手动标注非门控LDCT的训练集数据,构建非门控LDCT的CACS及其危险度分层的AI模型。将测试集数据导入AI模型进行验证,与心电门控CT平扫获得的标准CACS及其危险分层进行对比分析,分别记录放射科医师手动评估及AI模型自动评估测试集CACS所需时间。采用分类准确度、组内相关系数（ICC）、Kappa检验和Bland-Altman一致性分析评估AI模型的性能,并采用Wilcoxon符号秩检验比较AI模型与标准CACS危险分层间的差异。采用配对t 检验比较AI、影像医师评估CACS危险分层所需时间。 结果 在训练集和测试集中,标准CACS的中位数分别为165.89（36.04,425.76）、96.50（25.75,346.75）,AI模型测得CACS的中位数分别为167.07（43.17,449.11）、75.51（24.30,250.74）,两者一致性均较好[ICC分别为0.977（0.965, 0.984）、0.989（0.980, 0.994）]。在测试集中进行Bland-Altman一致性分析,结果显示AI模型评估的CACS与标准CACS差值在95%一致性界限内的病例有48例,界限外的只有2例。在训练集和测试集中,AI模型预测的CACS危险度分层与标准CACS危险度分层的一致性均较好（κ值分别为0.895、0.899,均P<0.001）。AI模型预测训练集CACS危险分层的分类准确度为97.1%,其中对高危、中危、低危的分类准确度分别为96.9%、95.1%、100%。AI模型预测测试集CACS危险分层的分类准确度为94.0%,其中对高危、中危、低危的分类准确度分别为100.00%、82.40%、100.00%。AI模型预测测试集CACS危险分层与标准CACS危险分层的差异无统计学意义（Z=2.00,P=0.564）。采用AI模型评估不同CACS危险分层所需时间均较放射科医师少（P<0.001）。 结论 AI模型能够较为准确地评估LDCT平扫的CACS及其危险分层,明显提高工作效率,具有一定的临床应用价值。     

基于血清miRNA水平的非瓣膜性房颤患者消融术后复发风险预测列线图模型的构建与评价

目的 构建基于血清miRNA水平的非瓣膜性房颤(NVAF)患者消融术后复发风险预测列线图模型并对其效能进行评价。方法 选择2018年8月-2020年12月在福建医科大学附属第二医院接受消融治疗的389例NVAF患者作为研究对象,随机选取272例(70.0%)作为训练集,78例(20.0%)作为测试集,39例(10.0%)作为验证集。随访观察1年,绘制Kaplan-Meier累积复发风险曲线,根据随访期间患者复发情况分为复发组与未复发组。通过单因素及多因素分析探求训练集NVAF患者消融术后复发风险的影响因素;构建NVAF消融术后复发风险列线图预测模型,通过一致性指数(C-index)和受试者工作特征(ROC)曲线检验该模型的预测效能,再进一步对测试集的模型效能进行验证。结果 截至2021年12月21日,共30例失访(训练集18例,测试集10例,验证集2例),最终纳入359例(训练集254例,测试集68例、验证集37例)NVAF患者。其中训练集中58例出现复发,复发率为22.8%。复发组基线心外膜脂肪组织(EAT)体积大于与未复发组(P<0.05);与未复发组比较,复发组消融治疗前、...     

利用U-net算法在头CT平扫图像上分割脑梗死的初步探究

【摘要】目的：基于深度学习方法训练辅助诊断模型,探究对头CT平扫（NCHCT）图像中脑梗死病灶自动分割的可行性。方法：搜集自2018年5月1日-2020年8月31日影像诊断报告中诊断印象包含“梗死”关键词的NCHCT连续病例1185例,筛选出最终证实为脑梗死的数据362例。由两位医师结合最终结果手工标注脑梗死区域。将数据按8：1：1的比例随机分为训练集（training set,n=288）、调优集（validate set,n=37）和测试集（test set,n=37 例）。训练2D U-net模型分割脑梗死病灶,分割结果自动输入到结构化报告中。对测试集的预测结果和人工标注的结果进行比较,统计梗死病灶体积、径线的差异,使用Dice相似系数（DSC）、体积相似度（VS）和Hausdorff距离（HD）评价模型的预测效能。使用Bland-Altman评价模型预测的病灶体积、径线和CT值与手工标注的一致性。结果：测试集中平均DSC为0.66 (95% CI：0.60~0.72),平均VS为0.75(95%CI：0.69~0.82),平均HD为39.69mm(95%CI：32.38~47.01)。Bland-Altman图显示模型预测与手工标注对病灶大小和CT值测量的一致性较高,体积、径线和CT值数据点位于95%一致性界限（95% limits of agreement,95% LoA）外的数据为2.8%~11.1%。结论：基于深度学习的辅助诊断模型可用于分割NCHCT中的脑梗死病灶,并自动生成报告,对患者分诊有一定作用。     

基于胸部增强CT影像组学评估培美曲塞二钠+铂类对晚期肺腺癌化疗疗效的可行性分析

目的 探究基于晚期肺腺癌患者治疗前胸部增强CT图像构建的影像组学模型预测培美曲塞二钠+铂类化疗疗效的可行性。方法 回顾性搜集本院2018年1月至2022年11月经穿刺病理确诊仅选取培美曲塞二钠+铂类化疗的131例肺腺癌患者的临床及增强CT资料,按照7∶3的比例分层抽样法将病例分为训练集92例和测试集39例。根据实体肿瘤疗效评价标准(RECIST),将患者分为缓解组68例,未缓解组63例。提取并筛选治疗前CT图像的组学特征,并基于最终特征值采用支持向量机(SVM)、逻辑回归(LR)及高斯过程(GP)三种分类器构建影像组学模型。采用受试者工作特征曲线(ROC)和决策曲线分析(DCA)评估比较三种模型的预测能力、诊断效能及临床应用价值。结果 三种模型训练集曲线下面积(AUC)分别为0.821、0.812、0.827,测试集AUC分别为0.664、0.714、0.709,差异没有统计学意义;DCA示GP及SVM的净收益均高于LR;而训练集及测试集中GP及SVM的净收益无明显区别。结论 基于胸部增强CT的影像组学模型对培美曲塞二钠+铂类治疗晚期肺腺癌患者的化疗疗效具有可行性,且GP及SVM在一定...     

基于卷积神经网络的深度学习算法对颅内出血的类型识别及血肿分割一致性的研究

目的:开发一种可以检测不同类型颅内出血并自动计算血肿体积的基于卷积神经网络的深度学习算法,探讨其识别的准确性及血肿分割的一致性.方法:数据集1纳入9594例颅脑CT平扫图像,随机选取223例颅内出血阳性患者作为颅内出血类型识别的测试集,剩余CT图像作为其训练集,评估测试集中算法识别五种不同类型颅内出血的效能.数据集2选...     

基于卷积神经网络的胸片肺野分割与肺结核的筛查研究

目的 探究基于卷积神经网络的级联深度学习模型在胸部X线平片图像上对肺野分割以及肺结核筛查的应用价值。方法 搜集2018年10月至2020年2月行胸部X线摄影检查的健康对照组1300名和肺结核患者825例，随机选择140名健康对照组和60例患者组成肺野分割数据集，评价基于U-net++网络的深度学习模型对胸片肺野的分割效果。划分数据集中的80%(1700例)作为训练集，20%(425例)作为测试集，使用四种分类网络(VGG 16、Inception V3、Resnet 101、Densenet 121)对分割结果内是否存在结核病灶进行判断，并使用网络公开的深圳市第三人民医院肺结核数据集(CHX)对模型的检出效能进行评价。结果 级联模型中U-net++分割网络对胸片肺野分割的Dice相似指数与交并比(IOU)分别达到99.42%和98.84%;VGG 16、Inception V3、Resnet 101及Densenet 121四种分类网络对肺结核的筛查率最高分别为95.77%、96.00%、94.35%和95.06%;四种分类网络在CHX数据集上的最高检出率分别为84.44%、83.99...     

应用定量CT探讨绝经后女性股骨近端骨折的危险因素

目的:应用定量CT(QCT)探讨绝经后女性股骨近端骨折的危险因素。方法:连续纳入2021年1月-2021年12月在我院行髋关节CT检查的绝经后女性患者522例,分为骨折组(232例)及无骨折组(290例)。骨折组年龄52～99岁,平均(72.7±9.8)岁;无骨折组年龄51～87岁,平均(66.3±9.6)岁。采用QCT分析软件测量股骨近端骨密度及臀大肌的脂肪含量。采用t检验比较两组中年龄、体质指数、骨密度和肌肉脂肪含量的差异。绘制ROC曲线确定年龄、骨密度和肌肉脂肪含量预测骨折的阈值。应用Pearson相关分析评估两组中年龄、骨密度与肌肉脂肪含量的相关性。结果:骨折组患者年龄的均值较无骨折组大6.4岁,组间差异有统计学意义(t=7.43,P<0.001)。骨折组股骨近端骨密度为(93.0±33.3)mg/cm³,无骨折组为(113.5±36.1)mg/cm³,骨折组股骨近端骨密度更低(t=-6.70,P<0.001)。骨折组髋部臀大肌的脂肪含量为12.9%±6.9%,无骨折组为11.1%±5.2%,骨折组肌肉脂肪含量更高(t=3...