-
题名基于深度学习的胸部X线图像清晰度评价方法
- 1
-
-
作者
宋亮亮
王倩
韩啸
李传富
李小虎
余永强
-
机构
安徽医科大学第一附属医院影像科
安徽影联云享医疗科技有限公司
合肥综合性国家科学中心先进研究院(安徽省人工智能实验室)
安徽中医药大学第一附属医院影像科
安徽省影像诊断质控中心
-
出处
《中国医学影像学杂志》
CSCD
北大核心
2024年第6期616-621,共6页
-
基金
安徽高校协同创新项目(GXXT-2021-065)。
-
文摘
目的 构建深度学习模型对胸部X线图像进行清晰度评价,并与放射科医师的主观评价对比,验证模型的效能。资料与方法 回顾性收集2015年6月—2022年8月安徽省590家医院共9 135幅胸部X线图像,组织放射科医师采用五级评分法对图像清晰度进行多人多次评价,单人评价结果为A、B,多人评价结果为C。构建基于ResNet-50的深度学习模型对胸部X线图像进行清晰度评价,以结果 C作为模型训练和测试数据,模型评价结果为D。由1名放射质控专家对模型评价结果和医师多人评价结果进行审核评价作为图像清晰度的参考标准,评价结果为E。采用Spearman相关、均方根误差(RMSE)和准确率验证模型的效能。结果 与参考标准E相比,D的平均准确率为0.85,高于C的0.84。A、B、C、D与E的ρ分别为0.58(0.54,0.62)、0.59(0.55,0.63)、0.74(0.71,0.77)和0.80(0.78,0.82),D与E的相关性最好。A与B的ρ为0.45(0.41,0.49),两次单人主观评价清晰度相关性较差。A、B、C、D与E的RMSE分别为0.99、0.94、0.72和0.71,D与E的RMSE小于人工评价结果。结论 本研究构建的模型能够准确评价胸部X线图像清晰度,通过深度学习方法可以降低人工评价的主观干扰,为临床放射图像清晰度评价提供有效、客观的工具。
-
关键词
深度学习
质量控制
放射摄影术
胸部
决策
计算机辅助
-
Keywords
Deep learning
Quality control
Radiography,thoracic
Decision making,computer-assisted
-
分类号
R445.4
[医药卫生—影像医学与核医学]
R816.41
[医药卫生—放射医学]
-
