李艳 杨国庆 胡纳 齐晓宁 付泉水

    1.都江堰市人民医院放射影像科，四川成都 611800；2.遂宁市中心医院放射影像科，四川遂宁 629000；3.中国科学院计算技术研究所，北京 100190

    病灶的体积定量在临床工作中可用于评估患者的病死率，同时体积倍增时间也是鉴别疾病良恶性的重要指标[1,2]。目前，将深度学习技术应用于基于CT 图像的自动定量分析是医学影像领域的热点问题，有助于提高医学影像的诊断效率和诊断准确性，但病灶体积量化分析的准确性与很多因素有关，包括病灶本身的特征、扫描设备、扫描参数和图像重建方式等[3,4]，现有的研究模型大多针对单一扫描设备，数据来源局限。另外，手动逐层分割被认为是最接近真实值的表现[5,6]，常被用作验证标准，但其存在测量者间和测量者内部的误差。本课题比较不同CT 扫描设备对人工智能深度学习模型定量测定结果准确性的影响，以实验室量筒量取的标准溶液作为验证标准，将模型测得结果与CT 设备自带体积测量软件进行比较，分析探讨人工智能模型应用于临床工作中体积测量的可行性及影响因素。

    1 材料与方法

    1.1 实验材料

    不规则密闭容器、量筒、烧杯、A 溶液(碘帕醇与生理盐水1:50 混合溶液)、B 溶液(碘帕醇与生理盐水1:100 混合溶液)、C 溶液(碘帕醇与生理盐水1:500 混合溶液)。

    1.1.1 模型制备 选取体积、材质相同的不规则密闭容器，用量筒分别精准量取不同体积(10ml、20ml、30ml)、不同密度(50Hu、135Hu、190Hu)的溶液注入各容器制成水球，见图1。量筒量取溶液过程严格遵循使用规范，并以量筒读数作为验证标准；根据溶液的不同密度和体积分为9 组，每组25 例，共225 例，见表1。而后按顺序编号，采用分层抽样法在每组中随机抽取5 个作为训练集(n=45)，其余的为测试集(n=180)。

    图1 实验自制的标准容积水球 ......