深度学习结合影像组学的胸部CT新冠肺炎智能诊断模型研究

作者：徐翠莲; 印宏坤; 伋立荣; **; 张伟; 范国华^*

来源：罕少疾病杂志, 2021, 28(05): 16-20.

• COVID-19
• CT
• 深度学习
• 影像组学
• 人工智能辅助诊断

目的采用深度学习分割图像结合影像组学分类的方法构建基于胸部CT的新冠肺炎智能诊断模型并评估其诊断效能。方法回顾性分析24例COVID-19肺炎和17例普通病毒性肺炎患者的CT影像,利用基于深度学习的AI模型实现肺炎病灶的自动分割,从每一帧图像的病灶区域中提取影像组学特征,经过LASSO回归降维后分别采用高斯朴素贝叶斯、随机森林和极端梯度提升的方法在训练集中建立影像组学模型,并在验证集中测试模型性能。采用Dice系数评估肺炎病灶分割的准确性,采用ROC评估新冠肺炎诊断效能。结果肺炎病灶AI自动分割在单幅CT图像上的Dice系数为0.835±0.122,在整个CT序列影像上的Dice系数为0.864±0.036,与人工标记的结果有较高的一致性。通过LASSO降维筛选出9个特征参数,基于高斯朴素贝叶斯、随机森林和极端梯度提升方法的预测模型在验证集薄层CT序列上的曲线下面积分别为0.829、0.829和0.857;在厚层CT序列上的曲线下面积分别为0.786、0.743和0.743。基于三种分类器的预测模型性能基本相当,差异无统计学意义。结论深度学习结合影像组学的智能诊断模型有助于COVID-19与非COVID-19病毒性肺炎的鉴别诊断。

• 单位
  北京推想科技有限公司; 苏州大学附属第二医院