主要观点总结
本研究旨在使用深度学习模型在腹部CT图像上自动分割并测量胆囊的可行性。通过回顾性研究，收集腹部CT检查图像，建立深度学习模型进行胆囊分割和自动测量。使用多种指标评价模型效能，如Dice相似系数、体积相似度和Hausdorff距离等。结果显示，模型的分割效能良好，与专家测量水平基本一致。
关键观点总结
关键观点1: 研究目的
使用深度学习模型在腹部CT图像上自动分割并测量胆囊的可行性。
关键观点2: 研究方法
通过回顾性研究，收集腹部CT检查图像，建立深度学习模型进行胆囊分割和自动测量。
关键观点3: 研究评价
使用多种指标评价模型效能，如Dice相似系数、体积相似度和Hausdorff距离等。
关键观点4: 研究结果
模型的分割效能良好，与专家测量水平基本一致。
关键观点5: 研究的局限性
本研究为单中心回顾性研究，数据包含胆囊疾病谱不足，部分少见胆囊疾病未纳入数据组。
文章预览
【摘要】 目的 基于深度学习方法训练模型，研究其用于 腹部 C T 图像上 分割胆囊并 自动测量的可行性。 方法 从本院 PACS 系统搜集 2016 年 1 月 12 日至 2021 年 5 月 28 日行腹部 C T 检查的患者，从中选取 1 154 位患者的 1 181 次 C T 检查 图像 ，共得到 2559 个图像序列 用于训练模型。由 2 位影像科医师标注 胆囊 ，将全部数据按 8 ： 1 ： 1 的比例随机分为训练集（ training set ， n=2042 ）、调优集（ validate set ， n=245 ）和测试集（ test set ， n=271 ），训练 3D U-net 模型分割 胆囊 并自动测量。另 搜 集 2022 年 9 月 10 - 19 日的 腹部 C T 扫描图像，随机选取 共 141 位患者的 1 41 次检查的 2 70 个图像序列 作为外部验证数据集。以外部验证集的预测结果评价模型的效能。使用 Dice 相似系数（ d ice similarity coefficient, DSC ）、 体积相似度（ v o lume similarity ， VS ）和 H
………………………………
