《European Radiology》最新文章：基于深度學(xué)習和線(xiàn)性回歸級聯(lián)算法的胸片自動(dòng)質(zhì)量評價(jià)
4 月 14 日，健培科技與浙江省人民醫院合作的《Automated quality assessment of chest radiographs based on deep learning and linear regression cascade algorithms （基于深度學(xué)習和線(xiàn)性回歸級聯(lián)算法的胸片自動(dòng)質(zhì)量評價(jià)）》原創(chuàng )性研究，在放射學(xué)領(lǐng)域著(zhù)名期刊《European Radiology（歐洲放射學(xué)協(xié)會(huì )官刊，影響因子/JCR分區：5.315/Q1）》發(fā)表。 這是2020浙江省重點(diǎn)研發(fā)計劃《智能胸部影像質(zhì)評云平臺關(guān)鍵技術(shù)研發(fā)及應用示范》項目的一項成果，2021年完成建模并投稿，近日收錄于《European Radiology》。
01
研究目標
評估深度學(xué)習和線(xiàn)性回歸級聯(lián)算法在自動(dòng)計算胸片布局和擺位質(zhì)評方面的性能。
02
研究方法
這項回顧性研究使用 10 個(gè)定量指標來(lái)捕捉放射科醫生對胸部 X 光片圖像布局和擺位的主觀(guān)看法，包括胸部邊緣、視野 (FOV)、鎖骨、旋轉、肩胛骨和對稱(chēng)性。使用由 1025 張成人胸部前后片組成的訓練數據集開(kāi)發(fā)了一個(gè)圖像質(zhì)量自動(dòng)評估系統。評估步驟包括：（i）使用基于 ResNet-34 的 CNN 框架獲得定量指標的測量參數；（ii）使用多元線(xiàn)性回歸模型對定量指標進(jìn)行分析，以獲得胸片在布局和擺位方面的預測分數。在測試數據集中 ( n= 100)，使用組內相關(guān)系數 (ICC)、皮爾遜相關(guān)系數 ( r )、平均絕對差 (MAD) 和平均絕對百分比誤差 (MAPE) 評估自動(dòng)化系統的性能。
?????????
03
研究結果
試驗結果顯示，10個(gè)定量指標與專(zhuān)家主觀(guān)評分之間存在統計學(xué)顯著(zhù)關(guān)系（p <0.05）。深度學(xué)習模型在預測定量指標方面表現出很高的準確性（ICC = 0.82 ~0.99，r = 0.69 ~ 0.99，MAD = 0.01 ~ 2.75）。胸片自動(dòng)圖像質(zhì)量評價(jià)系統提供的評估結果近似于放射科專(zhuān)家關(guān)于圖像布局 (MAPE = 3.05%) 和擺位 (MAPE = 5.72%) 的平均意見(jiàn)分數，本文方法為放射科影像圖像質(zhì)量評價(jià)提供了一個(gè)科學(xué)、便捷、可靠、量化的方式，必將促進(jìn)放射科圖像質(zhì)量評價(jià)的發(fā)展。
研究結論
十個(gè)定量指標與放射科醫師對胸片圖像布局和擺位的主觀(guān)感知密切相關(guān)。該自動(dòng)化系統在測量定量指標和評估圖像質(zhì)量方面具有可靠且準確的性能表現。
研究意義
這一基于深度學(xué)習和線(xiàn)性回歸級聯(lián)算法的胸片自動(dòng)質(zhì)量評價(jià)的研究證明將臨床專(zhuān)家知識加入到深度學(xué)習模型中會(huì )極大的提升模型效果，增加了深度學(xué)習模型在臨床上使用的意義。健培科技專(zhuān)業(yè)的AI科研團隊與浙江省人民醫院一起，聯(lián)合諸多業(yè)內專(zhuān)家，順利完成實(shí)驗設計，模型搭建和結果分析的工作。本研究在放射學(xué)領(lǐng)域著(zhù)名期刊《European Radiology》發(fā)表展現了省重大研發(fā)計劃的成果，在合作伙伴們的支持下，諸多國際化前瞻性的臨床應用研究，將不斷結出豐碩的成果。
