![使用一个自动化的深度学习人工智能工具,以及体重依赖型剂量体积阈值,可能会承受大规模的评价CT检查对脾肿大表现的任何迹象。](http://www.alohadebbie.com/sites/default/files/styles/content_large/public/60-year-old%20woman%20with%20cirrhosis%20and%20portal%20hypertension.jpg?itok=aAdaK5Pm)
肝硬化和门脉高压,60岁的女人接受对比增强CT检查,pre-liver移植评估。病人的体重是74.4公斤。自动深度学习人工智能工具被用于部分脾,从而计算脾体积。轴向图像显示脾分割(橙色叠加)。自动化脾体积是1097毫升,高于体重依赖型剂量脾体积阈值确定350毫升的脾肿大。True-craniocaudal脾长度是15.5厘米,和maximum-3D脾长度18.7厘米。这些长度测量表明脾肿大的存在阈值使用。
2023年6月29日—根据公认的手稿发表在加勒比海盗的美国放射学杂志》(杂志),使用一个自动深度学习人工智能工具,以及体重依赖型剂量体积阈值,可能会承受大规模评价CT检查对脾肿大表现的任何迹象。
指出,从历史上看,标准的线性测量脾用作脾体积代孕产生最佳性能检测基于卷的脾肿大,“体重依赖型剂量体积阈值显示脾肿大的存在在大多数病人pre-liver移植CT,“通讯作者解释道佩里j . Pickhardt医学博士,从放射学系威斯康辛大学医学与公共卫生学院。
皮克哈特和他的同事们让杂志接受的手稿包括筛选样本8901名患者(4235名男性,4666名女性;平均年龄56岁)接受CT结肠镜检查(n = 7736)或renal-donor CT (n = 1165)从2004年4月到2017年1月。第二批104名患者(62名男性,42岁的女性;平均年龄56岁)与终末期肝脏疾病接受pre-liver移植CT从2011年1月到2013年5月。皮克哈特等。让的深度学习algorithm-previously发达,训练,和测试美国国立卫生研究院的临床中心——用于脾细分,帮助确定脾卷,有两个放射科医生独立审查的一个子集分割说。
最终,这个自动化的深度学习人工智能工具是用来计算脾体积CT检查的8853例患者的主要人口门诊。另外,脾体积最强烈与体重有关,在一系列的患者因素。
“据我们所知,“该杂志的作者得出结论,“这项研究代表最大的报告样本病人接受脾脏体积分割。”
更多信息:www.arrs.org