用于CT上输尿管长度自动测量的深度学习模型验证:与大体标本的比较

《Journal of Imaging Informatics in Medicine》:Validation of a Deep Learning Model for Automated Ureteral Length Measurement on CT Against Gross Specimens

【字体: 大 中 小 】 时间:2026年10月15日 来源:Journal of Imaging Informatics in Medicine 3.1

编辑推荐:

   摘要:本研究使用大体标本测量作为参考标准,验证了一种用于CT上输尿管长度自动测量的深度学习模型。深度学习模型在来自1502例患者的3629例CT序列(队列1)上进行了训练,用于分割输尿管并提取中心线长度。一组独立的70例接受根治性肾输尿管切除术的前瞻性队列(队列2)作为留出测

  摘要:本研究使用大体标本测量作为参考标准,验证了一种用于CT上输尿管长度自动测量的深度学习模型。深度学习模型在来自1502例患者的3629例CT序列(队列1)上进行了训练,用于分割输尿管并提取中心线长度。一组独立的70例接受根治性肾输尿管切除术的前瞻性队列(队列2)作为留出测试集。每个大体标本由一名泌尿外科医生测量两次(D1_length和D2_length),以两者均值作为参考长度(Ref_length)。使用重复测量单因素方差分析及Tukey事后检验将模型预测长度(AI_length)与Ref_length进行比较。采用Spearman相关系数和多元线性回归评估差异的决定因素。边际均值(± SE)分别为:266 ± 3.85 mm(D1_length)、273 ± 3.25 mm(D2_length)、269 ± 2.75 mm(AI_length)和269 ± 3.45 mm(Ref_length)。测量方法对长度的影响具有统计学显著性但效应极小(*F*(3, 207) = 2.73, *p* = 0.045, *η*2_G = 0.007)。D1_length和D2_length与Ref_length存在显著差异(均为*p* = 0.002),而AI_length与Ref_length之间无统计学差异(*p* > 0.999)。在回归分析中,参考输尿管长度是唯一独立相关的变量(系数为每毫米参考长度?0.54 mm,95% CI ?0.70至?0.39;*p* < 0.001);年龄、性别、身高、体重、手术侧及病变位置均无显著相关性。所提出的深度学习流程在多种CT采集时相中实现了精确的全自动输尿管分割与长度测量,并在前瞻性临床队列中展示了与手术大体标本测量的良好一致性,支持其在辅助术前规划及减少对人工测量依赖方面的潜力。测量差异主要由输尿管长度本身决定——较长输尿管存在轻微的系统性低估——而非由患者或手术因素决定。然而,这一趋势连同单中心设计及前瞻性队列规模有限的局限性,意味着在常规临床部署前仍需进一步的多中心验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号