Deep learning Radiomics of shear wave elastography significantly improved diagnostic performance for assessing liver fibrosis in chronic hepatitis B: a prospective multicentre study.
文献题目为:
深度学习剪切波弹性成像的放射组学显著提高了评估慢性乙型肝炎肝纤维化的诊断性能:前瞻性多中心研究
目的:目的是评估新开发的深度学习弹性成像放射组学(DLRE)评估肝纤维化阶段的性能。DLRE采用放射组学策略定量分析二维剪切波弹性成像(2D-SWE)图像的异质性。
首先提出肝脏活检是目前的一种技术,用于检测肝脏是否纤维化,同时提出肝脏活检目前存在的问题,因其是侵入性的且容易受到样本误差。其次指标判定如天冬氨酸转氨酶-血小板比率指数(APRI)和基于四因子的纤维化指数(FIB-4)但是存在争议,最后提出最近的新技术LSM(基于无创超声成像技术的肝脏硬度测量)。
提出2D-SWE 二维剪切波弹性成像是一种新的LSM技术,提出放射组学可以自动量化医学图像中的大量图像特征,同时提出我们的方法是基于CNN神经网络的深度学习方法在2D-SWE图像上的诊断应用,同时这项方法是第一个将深度学习放射组学应用到2D-SWE图像上的前瞻性研究。
接下来分别介绍了 2D-SWE成像 肝脏活检 血清学检查
基于1张,3张,5张的2D-SWE的影像,分别利用深度学习的方法还有简单的2D-SWE指标来评估肝硬化分级。深度学习的方法随着所用数据的增多,模型水平不断升高,而利用简单的2D-SWE指标评估肝硬化分级的效果并不会有太大提升。
结论:总之,这项研究表明DLRE在评估肝硬化和晚期纤维化方面比2D-SWE更准确,并且在评估CHB患者的所有三个肝纤维化阶段方面比生物标志物更准确。随着每名患者的更多成像采集,DLRE提供了更高的诊断准确性。对于不同的训练队列,DLRE也显示出优异的鲁棒性。所有这些都表明DLRE具有良好的临床推广潜力。仍需在更大的患者人群和均衡的患者分布中进行进一步的研究。