基于nnU-Net的自动化CT影像组学工作流程在急性胰腺炎严重程度预测中的多中心比较验证
《Academic Radiology》:Multicenter Comparative Validation of an nnU-Net-Based Automated CT Radiomics Workflow for Acute Pancreatitis Severity Prediction
【字体:
大
中
小
】
时间:2026年10月15日
来源:Academic Radiology 4.7
编辑推荐:
背景与目标计算机断层扫描影像组学在预测急性胰腺炎 (AP) 严重程度方面显示出潜力,但传统工作流程依赖于劳动密集型的专家胰腺分割。本研究评估了基于 no-new-Net (nnU-Net) 的自动分割 - 影像组学工作流程与专家手动分割工作流程的对比,以急性胰腺炎严重程度分类
背景与目标
计算机断层扫描影像组学在预测急性胰腺炎 (AP) 严重程度方面显示出潜力,但传统工作流程依赖于劳动密集型的专家胰腺分割。本研究评估了基于 no-new-Net (nnU-Net) 的自动分割 - 影像组学工作流程与专家手动分割工作流程的对比,以急性胰腺炎严重程度分类作为下游任务,并对自动工作流程进行了外部评估。
材料与方法
这项回顾性多中心研究纳入了来自 A 中心 (n = 214)、B 中心 (n = 56) 和 C 中心 (n = 42) 的急性胰腺炎患者。专家手动胰腺掩模作为 nnU-Net 训练的参考标注,并作为影像组学工作流程的比较对象。在选择最佳 nnU-Net 配置后,分别从手动和自动感兴趣区提取影像组学特征,并使用相同的分析框架开发急性胰腺炎严重程度分类器。在独立内部测试队列中,使用曲线下面积 (AUC) 和配对 DeLong 检验比较两种工作流程的判别能力,并对 P 值应用 Benjamini–Hochberg 错误发现率 (FDR) 和 Bonferroni 校正。
结果
在内部测试队列中,轻量梯度提升机分类器在手动分割和自动分割下分别达到了 0.799(95% 置信区间 (CI),0.683–0.915)和 0.733(95% CI,0.593–0.873)的 AUC。AUC 绝对差值为 0.066,在 FDR 校正后,配对 DeLong 比较无统计学显著性 (FDR 校正后 p = 0.360; Z = 1.1755, 未校正 p = 0.2398)。自动工作流程在 B 中心达到了 0.784(95% CI,0.653–0.915)的 AUC,在 C 中心达到了 0.715(95% CI,0.559–0.871)的 AUC。选定的二维 nnU-Net 在五折交叉验证期间达到了 0.798 的平均 Dice 系数,在独立内部测试队列中达到了 0.726。
结论
在内部测试队列中,基于 nnU-Net 的自动分割 - 影像组学工作流程与专家手动工作流程相比,判别能力无显著差异。该自动工作流程在两个外部队列中也保持了中等的判别能力。这些发现支持了减少对手动胰腺分割依赖的可行性,尽管本分析并未确立正式等效性或互换性。
章节摘要
引言
急性胰腺炎 (AP) 是最常见的急性腹部疾病之一,近年来其全球发病率呈上升趋势 (1)。根据 2012 年修订版亚特兰大分类,AP 在临床上分为三个严重程度类别:轻症急性胰腺炎 (MAP)、中重症急性胰腺炎 (MSAP) 和重症急性胰腺炎 (SAP) (2)。SAP 的特征是持续性器官衰竭以及感染性胰腺坏死等并发症,这些并发症导致了
研究参与者与队列分配
这项多中心回顾性研究纳入了来自三家医疗机构的急性胰腺炎患者。索引时间定义为入院后首次增强 CT 检查。最终严重程度根据住院期间的完整临床过程,按照 2012 年修订版亚特兰大分类进行判定。对于二分类,将轻症急性胰腺炎 (MAP) 和中重症急性胰腺炎 (MSAP) 患者归为非重症急性胰腺炎 (NSAP),
患者的人口统计学和临床特征
表 1 总结了 A 中心的基线人口统计学和临床特征,表 2 总结了外部验证队列的特征。在训练队列中,SAP 组患者的年龄显著高于 NSAP 组 (p = 0.008)。在 B 中心,SAP 组患者的年龄显著低于 NSAP 组 (p = 0.014)。相反,在 C 中心可用的基线变量中未发现组间具有统计学显著性的差异
讨论
本研究的目的是评估在 CT 影像组学工作流程中,是否可以通过基于 nnU-Net 的自动分割减少对专家手动胰腺分割的依赖,且没有统计学上可检测到的下游预测判别能力损失。急性胰腺炎严重程度预测被用作既定的下游任务来解决这个问题,而不是本研究的主要方法学贡献。在内部测试队列中,自动工作流程达到了一个
结论
以急性胰腺炎严重程度预测作为下游评估任务,这项多中心研究比较了基于二维 nnU-Net 的自动分割 - 影像组学工作流程与专家手动分割工作流程。配对内部测试分析未检测到判别能力的统计学显著差异,且自动工作流程在具有异质性 CT 采集参数的两个外部机构中保持了中等的判别能力。这些发现支持了
CRediT 作者贡献声明
侯伯尧:撰写 – 原稿,可视化,方法学,数据整理,构思。冯文:监督,资源,项目管理,方法学,构思。李文雪:验证,资源,资金获取。何文静:资源,数据整理。顾俊贤:撰写 – 审阅与编辑。邓亚新:监督,调查。邓红:验证,资源,方法学,调查。
写作过程中生成式人工智能和人工智能辅助技术的声明
不适用
资助
本研究得到了国家自然科学基金 (批准号62341501),川北医学院 (批准号CBY22-QNA41 和 CBY21-QA49),川北医学院附属医院 (批准号2023JC010),以及南充市科技局 (批准号22SXQT0325) 的资助。
数据共享声明
由于患者隐私和机构数据安全限制,当前研究期间生成和/或分析的数据集不公开可用,但通讯作者可在合理请求下提供。
利益冲突声明
作者声明,他们没有已知的竞争性经济利益或个人关系,这些情况可能被认为会影响本文报告的工作。
致谢
作者对所有参与本研究的患者,以及 A 中心、B 中心和 C 中心的放射科人员在图像采集和数据分析管理方面提供的宝贵协助表示诚挚的感谢。
侯伯尧 | 冯文 | 李文雪 | 何文静 | 顾俊贤 | 邓亚新 | 邓红
生物通微信公众号
生物通新浪微博
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