腰骶椎椎间盘突出CT诊断的初步总结

腰骶椎椎间盘突出ＣＴ诊断的初步总结陆肇田沈阳２４２医院放射科１１００３４沈阳市皇姑区三台子腰骰椎椎间盘突出症是外科门诊门的常见病用一般Ｘ线检查不能确诊。自ＣＴ检查普及以后，ＣＴ已成为诊断椎间盘突出的一个主要方法。为了总结经验，提高我们对腰能椎椎间盘突...     

基于深度学习模型实现颈椎MR图像上各结构的自动分割

【摘要】目的：探讨3D U-Net模型自动分割颈椎矢状面T1WI和T2WI图像上颈椎各结构的可行性。方法：回顾性搜集拟诊为颈椎病的92例患者的矢状面T1WI和T2WI图像资料,由两位影像医师在每例患者的2个序列图像上分别人工标注颈椎各结构,包括椎体、椎间盘、硬膜囊、脊髓和椎间孔。将178个序列的图像随机分为训练集（n=138）、调优集（n=20）和测试集（n=20）。采用训练集的数据训练3D U-Net分割模型,在调优数据集中微调参数,在测试集中采用定量指标（Dice相似系数,DSC）和定性指标（主观评分）评价模型的分割效能,并比较各结构的DSC值在3组内及3组间是否存在统计学差异。结果：在测试集中3D U-Net模型分割颈椎椎体、椎间盘、硬膜囊、脊髓和椎间孔的DSC值分别为0.87±0.03、0.85±0.04、0.87±0.04、0.82±0.05和0.57±0.08,分割颈椎各解剖结构的总体DSC值为0.80±0.13。各结构的DSC值在3组内及组间均有统计学差异（P＜0.001）。主观评价显示3D U-Net模型分割颈椎各结构获得的图像均符合临床测量要求。结论：基于矢状面T1WI和T2WI序列的3D U-Net模型对颈椎各结构的分割可达到较高的准确性。     

腰骶椎椎间盘突出的影像诊断

目的：通过回顾性分析，探讨腰骶椎椎间盘突出的非创性影像诊断及相关问题。材料与方法；报告200例腰骶椎椎间盘突出者的影像学表现，其中67例经手术证实。全部病例摄有X线平片及CT扫描，21例做了MRI检查。结果：对腰骶椎椎间盘突出的诊断，MRI和CT显示优于传统X线检查。但MRI在鉴别诊断方面又比CT稍胜一筹。结论：MRI虽然敏感性高，但检查费用昂贵，故对本症的诊断，应首选CT检查。     

普通CT扫描对腰骶椎椎间盘膨出的诊断价值分析

目的提高CT对腰骶椎椎间盘膨出诊断重要性认识。方法回顾我院89例腰骶椎椎间盘膨出的CT表现。结果89例腰骶椎椎间盘膨出，共有94个椎间盘膨出，CT表现主要为：膨出椎间盘的椎管内膨出块78个，椎管与硬膜囊之间脂肪层消失39个，硬膜囊及恻隐窝受压104个等。89个椎间盘膨出治疗前明确诊断。结论CT对于腰骶椎椎间盘膨出的诊断有很大的价值。     

CT在腰骶椎椎间盘突出的临床应用价值

目的分析研究cT在腰骶椎椎间盘突出的临床诊断中的应用价值。方法随机选取我中心2。08年6月～2012年9月腰骶椎椎间盘突出患者72例,将其普通x线平片与cT诊断结果进行对比分析。结果普通x线平片显示72例腰骶椎椎间盘突出症患者中,椎间隙变窄或前窄后宽30例,椎体后缘唇样肥大增生16例,脊柱生理曲度变直或侧弯26例。诊断率64％（46／72）。cT显示72例患者中共有83个椎间盘突出,其中椎管内突出75个,椎管外突出8个。诊断率1.0％（72／72）。二者诊断率差异具有统计学意义（P〈O．05）。结论CT扫描在腰椎间盘突出症的诊断中效果明显优于X线平片,诊断准确率高,具有定位定性诊断价值。     

腰骶椎管盘黄间隙动态变化的CT测量及意义

作者采用ＣＴ对１０具置中立、伸展、屈曲位的尸体腰椎的椎间平面做了扫描，并测量了Ｌ３，４，Ｌ４，５和５，Ｓ１椎管前侧方盘黄间隙动态变化。结果表明，伸展位盘黄间隙变小，屈曲位增大，变化非常显著（Ｐ＜０．０１）。分析认为：通常盘黄间隙偏小，构成这一间隙的组织一旦退变，即可能导致其狭窄，嵌夹神经根，但因盘黄间隙具活动特性，故以往临床所遇体位怀根性疼痛可能与此变化有关。     

腰骶椎间盘病变221例的CT观察

本文总结分析了腰骶椎间盘病变221例,提出了椎间盘突出和膨出的特征性CT表现,对于以往文献报道中不相同的一些观点作了简短的讨论。对椎管内其它异常作了陈述,详尽检出这些异常,对提高诊断和决定手术方案具有重要意义。     

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

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-...     

基于深度学习在CT图像上分割肾上腺的研究

目的:探索使用3D U-Net模型在CT图像上自动分割肾上腺并完成自动测量的可行性,并尝试使用模型输出值初探多期增强CT检查中正常肾上腺的强化特点及肾上腺体积随年龄段的体积变化规律。方法:第一步,训练肾上腺自动分割模型。回顾性收集2016年1月1日-2019年3月14日本中心腹盆部CT检查且结果未见异常的图像,共纳入520个薄层序列(434个检查)作为模型训练数据集。分别标注双侧肾上腺后随机分为训练集(左侧N=419,右侧N=413)、调优集(左侧N=53,右侧N=55)、测试集(左侧N=48,右侧N=52)训练3D U-Net分割模型,模型客观评价指标为测试集的Dice系数。第二步,验证肾上腺分割模型用于自动测量的可行性。回顾性收集2019年3月15日-2019年4月30日本中心住院成人患者腹盆部CT检查且结果未提示肾上腺病变的图像,共纳入988个薄层序列(523个检查)作为外部验证数据集。使用第一步建立的模型对双侧肾上腺进行分割并检查结果,对自动分割满意的图像统计其肾上腺的体积、三维径线、平均CT值,分析增强规律,并在门静脉期图像中按每15岁年龄段统计肾上腺体积随年龄变化的关系。结...     

基于深度学习的CT图像肋骨自动分割与三维重组研究

目的 探讨基于卷积神经网络的深度学习模型在胸部CT图像上对肋骨区域的自动分割与三维重组的价值.方法 搜集2020年11月至2021年1月在本院行胸部CT检查者共130例(共计33280张轴位图像),以其中的80例作为训练集,20例作为测试集,来自另外三台不同CT设备的被检者各10例作为独立验证集,评价基于四种3D分割网...     

基于深度学习在CT图像上分割胆囊的研究

【摘要】目的:基于深度学习方法训练模型,研究其用于腹部CT图像上分割胆囊并自动测量的可行性。方法:从本院PACS系统搜集2016年1月12日至2021年5月28日行腹部CT检查的患者,从中选取1154位患者的1181次CT检查图像,共得到2559个图像序列用于训练模型。由2位影像科医师标注胆囊,将全部数据按8：1：1的比例随机分为训练集（n＝2043）、调优集（n=245）和测试集（n=271）,训练3D U-net模型分割胆囊并自动测量。另搜集2022年9月10-19日的腹部CT扫描图像,随机选取共141位患者的141次检查的270个图像序列作为外部验证数据集。以外部验证集的预测结果评价模型的效能。使用Dice相似系数（DSC）、体积相似度（VS）和Hausdorff距离（HD）定量评价模型分割胆囊区域的效能。使用Bland-Altman分析评价模型自动测量的胆囊体积、径线、平均CT值与医师标注测量值的一致性。结果:外部验证集的DSC、VS、HD分别为0.980(0.970,0.980）、0.990（0.990,1.000)、1.69 (1.27,2.45)mm,各数据集之间DSC、VS和HD的差异均有统计学意义（P均<0.001）。外部验证集中模型预测和医师标注测量的胆囊体积、CT值、三维径线的95%一致性界限（LoA）的可信区间分别为（-2.07,3.36）、（-1.55,1.15）、（-1.28,1.47）、（-3.34,4.07）和（-1.11,2.15）,分别有2.6%、3.7%、3.7%、1.1%和3.7%的点落在95%LoA以外。结论:基于深度学习模型可在腹部CT图像上自动分割胆囊区域,是将来进一步胆囊病变智能诊断的基础。     

基于CT图像利用深度学习方法自动定位盆腔淋巴结分区的初步研究

【摘要】目的：探索基于CT图像的深度学习方法自动定位盆腔淋巴结区域的可行性。方法：回顾性连续搜集在本院就诊的符合研究要求的盆腔恶性肿瘤患者的腹盆部CT图像,共将178个腹盆部薄层门静脉期扫描序列的图像数据纳入研究,并将其按疾病类型分为两个数据集：数据集1包括2018年8月－2021年4月共131例前列腺癌患者的131个序列的图像,用于模型训练;数据集2包括2021年1月－2021年6月本院47例盆腔肿瘤（卵巢癌、宫颈癌和直肠癌）患者的47个序列的图像,用于外部验证。在数据集1中每个序列的CT图像上,由两位影像科医师标注盆腔淋巴结的区域定位（共划分为13个分区,包括主动脉旁、双侧髂总动静脉、双侧髂内外动静脉、双侧闭孔、双侧腹股沟、骶前和直肠旁区域）。将131个序列的图像数据随机分为训练集（train set,n=99）、调优集（validation set,n=17）和测试集（test set,n=15）。通过训练U-net 3D深度学习网络,建立淋巴结自动定位分区模型,对模型在数据集1的测试集中的定位能力进行定量评价,评价指标包括交并比（IOU）、体积相似度（VS）和关键点正确估计比例（PCK）。对模型在数据集2中自动定位淋巴结分区的能力进行定性评价,评价指标包括模型定位的淋巴结区域的覆盖程度（0~2分）、超出程度（0~1分）及超出范围（0~2分）分级,总分值为0~5分（不满意~满意）。结果：在数据集1的测试集中,盆腔淋巴结自动定位分区模型预测各组淋巴结的交并比（IOU）为0.28~0.77（P<0.001）,体积相似度（VS）为0.62~0.99（P<0.001）,关键点正确估计比例（PCK）-10mm为53.85%~100%（P=0.446）。数据集2的评价结果显示,模型预测各区域盆腔淋巴结主观评价各项指标得分之和的中位数：双侧髂总动静脉、双侧腹股沟、双侧髂内动静脉、双侧闭孔、主动脉、骶前和直肠旁为5分,左侧髂外动静脉为4分,右侧髂外动静脉为3分。以总评分≥4分为达到临床满意的标准,模型对84.59%淋巴结的自动定位分区结果准确,其中以双侧腹股沟区域的满意率最高,达100%。在13个淋巴结分区中,11个分区的满意率超过80%,其中4个分区在90%以上;以双侧髂外动静脉淋巴结区域的定位满意率较差（左侧为60%,右侧为51%）。结论：通过深度学习方法在CT图像上自动定位盆腔淋巴结区域是可行的。     

使用U-Net深度学习网络对腰椎矢状T2WI图像自动分割的可行性研究

目的:研究训练U-Net模型自动分割腰椎矢状面T₂WI图像中各结构的可行性。方法:回顾性搜集腰椎矢状面T2WI图像数据,共获得80个矢状面T₂WI序列。由2位影像医师手工标注矢状面腰椎椎体、椎间盘、椎间孔、椎管/硬膜囊、脊髓及马尾神经。将数据随机分为训练集、调优集和测试集,使用U-Net网络分两步(coarse-to-fine)训练腰椎矢状T₂WI分割模型。模型评价指标包括客观评估(Dice系数)和主观评估。结果:11例测试集数据中U-Net模型预测腰椎5个解剖部位分割的Dice值分别为椎体0.82~0.9(平均0.864)、椎间盘0.86~0.92(平均0.898)、椎管/硬膜囊0.76~0.87(平均0.837)、椎间孔0.6~0.76(平均0.67)、脊髓及马尾神经0.55~0.9(平均0.669)。主观评估各解剖部位分割满意率分别为椎体97.5%、椎间盘97.9%、椎管/硬膜囊86.4%、椎间孔76.7%、脊髓及马尾神经78.6%。结论:基于U-Net深度学习网络对腰椎矢状T₂WI图像的解剖结构进行自动分割是可行的。     

腰骶椎后缘软骨结节的CT诊断(附23例报告)

目的:分析腰骶椎后缘软骨结节的CT征象,探讨其发病机制及本病与椎间盘突出症之间的相互关系。材料与方法:23例临床拟诊为腰椎间盘突出症患者,其中男性9例,女性14例,年龄17～85岁。进行腰骶椎CT的横断面扫描,使用的CT机为Picker公司的PQS型。结果:本病好发部位在腰5和骶1椎体后缘。好发年龄为青壮年时期。形态学特征是腰骶椎后缘软骨结节病例均有相同层面的椎间盘突出,突出间盘的后缘与骨突环边缘一致。结论:CT扫描在诊断本病方面有其特有的优势。腰骶椎后缘软骨结节的发病机制与Schmor's结节有相同之处,均为髓核及间盘组织疝入软骨板造成,应为一种特殊类型的椎间盘突出症及继发病变。     

利用噪声等价图像和深度学习方法对低剂量CT降噪

目的:研究在常规剂量扫描情况下模拟低剂量CT图像的方法,以此生成训练数据集中与常规剂量CT具有对应关系的低剂量CT图像,并建立深度学习模型,用于低剂量CT图像的降噪。方法:使用Philip Brilliance CT Big Bore模拟定位机,其不同算法重建的CT图像具有不同的噪声水平,其中iDose4算法噪声较大,...     

基于深度学习实现胰腺分割及自动体积测量的初步研究

目的 使用深度学习模型实现影像诊断为胰腺未见异常的成人群体CT图像中胰腺自动分割及体积、径线和平均CT值自动测量.方法 搜集2019年1月至10月在本院行腹盆部CT平扫及增强扫描并诊断为胰腺未见异常的患者共1195例(8301个不同期相、不同层厚的扫描序列,每个序列为一个图像数据),根据标准共纳入了5389个图...     

深度学习重建算法改善颅脑低剂量CT图像质量的可行性研究

目的探讨深度学习重建算法(DLIR)较自适应统计迭代重建(ASIR-V)算法在改善颅脑低剂量CT图像质量方面的效果。方法回顾性纳入2021年11月至2022年8月在解放军总医院第二医学中心接受颅脑CT检查的患者, 对所有患者的低剂量CT采用4种不同算法重建:获得30%强度ASIR-V(ASIR-V-30%)图像、低强度DLIR(DLIR-L)图像、中等强度DLIR(DLIR-M)图像和高强度DLIR(DLIR-H)图像。在4组图像的表浅白质、表浅灰质、深部白质和深部灰质内选取感兴趣区并测量其CT值, 计算信噪比(SNR)和对比噪声比(CNR)。由3名神经影像医师按照Likert 5分量表对图像质量进行主观评分。对4组图像的客观、主观评分进行分析, 若总体存在差异, 则进行组内两两比较。结果共纳入109例患者, 男104例、女5例, 年龄65～110岁, 平均(89.16±9.53)岁。颅脑CT低剂量扫描的辐射剂量为(0.93±0.01)mSv, 显著低于常规扫描(2.92±0.01)mSv(t = 56.15, P < 0.05 )。颅脑低剂量CT的4组图像的SNR深部灰质、SN...     

基于U-Net实现CT图像上肝段自动分割和术前评估的初步研究

目的:评估基于U形全卷积神经网络(U-Net)对CT图像上Couinaud法肝段的自动分割及体积测量的准确性,探讨其用于半肝切除术剩余肝脏体积百分比(FLR%)评估的可行性。方法:回顾性收集医学中心A的腹部CT增强扫描数据(共170例)用于肝段分割模型的建立,先分割肝脏轮廓,再训练自动分割肝段的模型,最终获得各肝段体积。将放射科医生标注的肝段数据作为金标准。采用医学中心B的CT数据(50例)作为外部验证集,以平均Dice相似性系数(DSC)评价模型效能,分析比较模型与医师在肝段分割、体积测量、FLR%评估上的差异。结果:医学中心A所有数据随机分为训练集(132例)、调优集(19例)、测试集(19例)。外部验证集平均DSC值为(0.92±0.00),肝段平均体积最小为Ⅰ段[(37.59±1.26) mL],最大为Ⅷ段[(241.76±6.07) mL]。模型与手工标注FLR%评估结果一致性高(95%一致范围为0.9768～0.9906),在手术可行性预测上差异无统计学意义(P=0.25)。结论:基于U-Net的Couinaud’s肝段自动分割、体积测量并评估半肝切除术FLR%具有可行性。     

U-Net深度学习模型对DCE-MRI上乳腺肿块自动分割和定位的准确性分析

【摘要】目的：训练U-Net深度学习模型对乳腺动态增强磁共振图像（DCE-MRI）上乳腺肿块进行自动分割、定位和体积测量,并将结果自动导入结构化报告中,探讨其植入临床工作流程的可行性,旨在提高诊断效率和效能。方法：回顾性分析2015年2月1日－2016年12月31日本院所有乳腺MR影像和报告资料,将已取得活检但尚未治疗的88例连续乳腺癌患者的数据纳入本研究。将入组病例随机分为训练集（train set,70例）、调优集（validation set,9例）和测试集（test set,9例）。完成MR图像数据格式转换后,由两位放射科医师在每例患者的MR图像上标注双侧乳腺,并标注1个最大且经病理证实的肿块。训练集中采用U-Net分割模型在DCE-MRI图像上分割乳腺轮廓,并序贯分割其中明显强化的肿块灶。客观评价：以测试集中肿块的Dice相似性系数（Dice similarity coefficient,DSC）值评价肿块分割效果。主观评价：由2位乳腺影像诊断专家对模型预测病灶的准确性进行评估,分析假阳性病灶的性质和特征。由U-net模型输出的分割肿块的三维径线、体积和定位信息,自动填写到乳腺BI-RADS结构化报告中,并与既往影像报告中医师人工测量的结果进行比较。结果：在测试集中专家标注了9个病灶,模型检出了其中7个病灶,敏感度为77.8%（7/9）;2个未预测出的病灶,1个肿瘤主体部分有明显坏死,另1个为背景显著强化。在测试集中模型预测出了16个“假阳性”区域,其中10个为腺体内多发小的强化灶,4个为乳腺癌周围子灶,2个为强化的乳头和血管等。软件自动测量肿块的三维径线和医师手工测量乳腺病灶径线一致性高。模型分割肿块的平均DSC值为0.85。结论：U-Net深度学习模型可用于乳腺DCE-MRI图像上有明显强化病灶的分割和径线测量,有必要行大样本研究以论证和实现其临床应用。     

利用深度学习实现腹盆部CT图像范围及期相分类:临床验证研究

目的:探讨基于深度学习的分类模型对腹盆部CT图像范围及期相进行自动分类的可行性.方法:回顾性搜集本院2019年10月14日-2019年10月18日PACS中连续416例患者的腹盆部CT图像(数据集A).按照扫描范围分为腹部、腹盆部、盆部三类,按照扫描期相分为平扫、动脉期、门静脉期、延迟期和排泄期五类.以3D-ResNe...