深度学习分析剪切波弹性图像评估肝纤维化
Deep Learning Elastography for Assessing Liver Fibrosis作者机构:清远市人民医院超声科广东清远511500 中山大学附属第三医院超声科广东广州510630
出 版 物:《中山大学学报(医学科学版)》 (Journal of Sun Yat-Sen University:Medical Sciences)
年 卷 期:2021年第42卷第2期
页 面:294-301页
核心收录:
学科分类:0831[工学-生物医学工程(可授工学、理学、医学学位)] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 08[工学] 1010[医学-医学技术(可授医学、理学学位)] 100201[医学-内科学(含:心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学]
摘 要:【目的】探讨深度学习分析剪切波弹性图像(DLE)评估肝纤维化的应用价值。【方法】筛选行组织学检查的545名慢性肝病患者,获取DLE、二维剪切波弹性成像(2D-SWE)、血清学、瞬时弹性成像(TE)资料,得出其评估肝纤维化病理分级的诊断效能,进行比较,并使用不同的验证组评估其稳定性。【结果】DLE评估肝纤维化病理分级F=4、F≥3、F≥2的受试者工作曲线下面积(AUC)分别为0.99、0.98、0.92,诊断效能明显优于其他手段,差异均具有统计学意义(P0.05),2D-SWE表现出第二高的诊断效能,AUC分别为0.89、0.86、0.86,其他检测手段的诊断效能差别不大,最高只达0.81。而评估同一纤维化病理分级时,不同验证组DLE的诊断效能类似。【结论】DLE能准确评估肝纤维化,其诊断效能高于其他常用手段,且稳定性较好,有望成为无创评估肝纤维化的新手段。