深度学习CT超高分辨图像组学特征稳定性研究

作者：孙瑶; 王祥; 彭思粤; 潘博洋; 李清楚; 陈如潭; 龚南杰; 萧毅^*; 刘士远^*

来源：中国医学计算机成像杂志, 2022, 28(02): 196-202.

DOI：10.19627/j.cnki.cn31-1700/th.2022.02.003

• 深度学习
• 肺结节
• 计算机体层成像
• 放射组学

目的：构建基于深度学习的胸部CT图像超高分辨率模型，并评价生成的超高分辨CT (SRCT)图像质量，探讨其对放射组学特征稳定性的影响。方法：对2020年10月至2021年5月期间行肺结节复查的53例患者进行了512×512矩阵高分辨率CT (HRCT)、1 024×1 024矩阵超高分辨率CT (UHRCT)靶扫描，基于24例患者的7 680幅HRCT图像、2 160幅UHRCT图像构建了基于深度学习的胸部CT图像超分辨率模型，并生成SRCT图像。3名放射科医生使用利克特5分法评分表对29名患者的SRCT、HRCT和UHRCT图像的噪声、条纹伪影、结节边缘、小血管清晰度、正常肺实质的均匀性和整体图像质量进行主观视觉评估，并使用组学软件提取29名患者的SRCT、HRCT和UHRCT图像肺结节的放射组学特征。采用单因素重复测量方差分析比较SRCT、HRCT和UHRCT图像的噪声、条纹伪影、结节边缘、小血管清晰度、正常肺实质的均质性和整体图像质量。使用组内相关系数（ICC）计算3名放射科医生在SRCT、HRCT和UHRCT图像上肺结节的组学特征一致性。结果：对于噪声和条纹伪影的评分由高到低依次为HRCT、SRCT、UHRCT (P<0.05)；对于小血管清晰度和整体图像质量的评分由高到低依次为SRCT、UHRCT、HRCT (P<0.05)；对于结节边缘和正常肺实质的均质性的评分SRCT与UHRCT无差异（P>0.05），但明显优于HRCT (P<0.05)。SRCT与HRCT、UHRCT图像的组学特征总体较为一致，SRCT和HRCT的组学特征ICC平均值最高（3名医生结果分别为0.90、0.90、0.93）。结论：该研究构建的深度学习模型显著提高了HRCT图像质量，生成的SRCT图像的组学特征稳定性较好。

• 单位
  中国人民解放军第二军医大学