基于磁共振ADC图像的深度学习和ADC值评估慢性乙型肝炎肝纤维化程度价值比较
朱桂娟，张鑫，叶晓航，李锋
淮安市第四人民医院 影像科，江苏 淮安 223000
肝纤维化是慢性肝炎发展过程中最常见的病理变化，是肝硬化最终发展的基础和必要阶段。研究表明，肝纤维化的病理损害过程是可逆的[1-2]，因此，肝纤维化的早期诊断和早期干预尤为重要。肝活检病理是诊断肝纤维化的'金标准“[3]，但肝活检是一种侵入性手术，存在一定的临床并发症和医疗风险，也影响了患者的接受度。目前诊断肝纤维化的影像学方法主要有超声、CT和MRI。MRI在诊断和评估肝纤维化方面具有独特的潜力和优势。弥散加权成像（Diffusion Weighted Imaging，DWI）可用于检测活组织中水分子的布朗运动[4-5]，这使得它可以安全无创地诊断肝纤维化。
2006年，Hinton等[6]提出了深度学习的概念，它起源于人工神经网络的研究。Chen等[7]提出了一种新的卷积神经网络（Convolutional Neural Network，CNN）架构，称为密集资源-感应网络，以改进卷积层进行学习医学图像的特征。Gu等[8]提出了一种基于注意力的综合CNN，可以同时感知最重要的空间位置、通道和尺度，从而实现更准确和可解释的医学图像分割。因此，基于深度学习的计算机辅助诊断系统已经开发医学成像（非自然图像）领域，目前，人工智能技术评估肝纤维化是肝纤维化研究方向的热点，但将人工智能应用于 MRI表观弥散系数（Apparent Diffusion Coefficient，ADC）图像诊断肝纤维化的研究相对较少。基于此，本文拟采用基于深度卷积神经网络（Deep Convolutional Neural Network，DCNN）的肝纤维化自动检测方法对123例经病理确诊的肝纤维化患者的ADC图像进行分析，旨在评估ADC图像特征与肝纤维化程度的关系。
1.1 一般资料
回顾性分析123例慢性乙型肝炎患者的磁共振ADC图像，123例患者肝纤维化分级经肝穿刺病理证实。由具有20多年从业经验的病理学主任医师阅读所有标本，肝硬化患者的分级采用国际METAVIR方法[9]，确定了5组肝纤维化阶段（F0～F4），其中F0表示无肝纤维化，F1表示轻度肝纤维化，F2表示明显肝纤维化或肝纤维化，F3表示晚期肝纤维化，F4表示肝硬化。F0期12例，男6例、女6例，年龄24～56岁，平均（41.00±11.68）岁；
F1期26例，男13例、女13例，年龄22-64岁，平均（42.00±10.91）岁；
F2期20例，男12例、女8例，年龄24～71岁，平均（44.20±11.40）岁；
F3期26例，男17例、女9例，年龄30～70岁，平均（45.42±10.18）岁；...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
