| 摘 要： | 目的 研究和实现利用深度学习计算T2加权像MR的前列腺体积，并与椭球公式计算的前列腺体积进行比较。资料与方法 回顾性收集2019年10月—2022年2月武汉大学人民医院经病理确诊的180例前列腺增生和251例前列腺癌患者的T2加权像MR图像及诊断报告，根据诊断报告使用椭球公式计算每例患者的前列腺体积，使用U-Net模型的变体对所收集MR图像上的前列腺进行分割，利用公式前列腺体积=对（前列腺像素数目×每个像素的大小×层厚）进行求和，获得深度学习计算的前列腺体积。比较深度学习和椭球公式计算的前列腺体积差异和一致性。结果 Bland-Altman分析显示，在前列腺增生和前列腺癌患者中，深度学习和椭球公式计算的前列腺体积具有较高的一致性，仅5%和6.37%的数据位于95%置信区间外。前列腺增生组用两种方法计算的前列腺体积的一致性高于前列腺癌组（ICC=0.803、0.686）。两种方法计算的前列腺体积在两组间差异有统计学意义（Z=-10.742、-12.706,P<0.05），深度学习计算的前列腺体积更大。结论 深度学习在计算前列腺体积方面与椭球公式保持一致，利用深度学习计算MR前列腺体...
|
