3D/2D卷积神经网络评估颅内出血的临床价值

作者：杨光; 赵施竹

来源：中西医结合心脑血管病杂志, 2022, 20(04): 753-759.

• 颅内出血
• 卷积神经网络
• 深度学习
• 定量
• 预测

目的 评价脑部非增强CT(NCCT)对脑实质内出血(IPH)、硬膜外出血/硬膜下出血(EDH/SDH)和蛛网膜下腔出血(SAH)的检测和定量优化卷积神经网络(CNN)的临床价值。方法 选取2018年1月—2018年7月医院颅内出血病人，将其所有NCCT作为训练队列开发和交叉验证评估出血的自定义混合3D/2D掩膜R-CNN架构；将2018年10月—2019年2月自动推理流程中急诊住院的颅内出血病人所有NCCT作为验证队列，应用生成的神经网络评估出血。评估出血检测准确度、受试者工作特征曲线下面积(AUC)、敏感度、特异度、阳性预测值(PPV)和阴性预测值(NPV),并进一步按出血类型和大小分层，通过Dice系数和Pearson相关系数进行定量评估。结果 用于训练队列出血检测的准确性、AUC、敏感度、特异度、PPV和NPV分别为0.975,0.983,0.971,0.975,0.793和0.997,验证队列分别为0.970,0.981,0.951,0.973,0.829和0.993。IPH、EDH/SDH和SAH的Dice系数分别是0.931,0.863和0.772。结论 3D/2D卷积神经网络在NCCT出血检测和定量方面具有准确性，具有较好的临床可行性。