基于增强CT图像和临床指标的深度学习模型预测急性胰腺炎胰腺坏死预后的预测价值.pdf
《基于增强CT图像和临床指标的深度学习模型预测急性胰腺炎胰腺坏死预后的预测价值.pdf》由会员分享,可在线阅读,更多相关《基于增强CT图像和临床指标的深度学习模型预测急性胰腺炎胰腺坏死预后的预测价值.pdf(5页珍藏版)》请在咨信网上搜索。
1、中文科技期刊数据库(全文版)医药卫生 33 基于增强 CT 图像和临床指标的深度学习模型预测急性胰腺炎胰腺坏死预后的预测价值 李国均1 王国珍2 刘 恋2 张 乐2 邱 秋2(通讯作者)1 重庆市合川区人民医院血液内科,重庆 401520 2 重庆市合川区人民医院消化内科,重庆 401520 摘要:摘要:目的 急性胰腺炎(AP)胰腺坏死的结局包括坏死组织自行吸收、形成包裹性坏死(WON)并持续存在,或发展为感染性胰腺坏死(IPN),临床缺乏预测这三种结局的影像手段。方法 收集 2021 年 1 月至 2022 年 6 月期间急性坏死性胰腺炎(ANP)患者入院 24h 内的 CECT 检查和临床
2、资料,出院后 6 个月的胰腺坏死结局。根据 ANP患者的 CECT 图像利用 Attention-Unet DL 网络进行胰腺自动分割,评价分割模型性能。利用 CECT 图像构建 3D-Resnet DL 模型,逻辑回归(LR)筛选 35 项临床指标,将 DL 模型与 LR 融合最后获得预测模型,评估模型性能。结果 共纳入 78 例 ANP 患者,其中坏死组织吸收 39 例(50%)、WON 持续存在 25 例(32.05%)和 IPN 14 例(17.95%)。Attention-Unet 模型在验证集和测试集上的对于胰腺分割的 Dice 值分别为 0.826 和 0.760。基于胰腺手动分
3、割图像训练的模型a3D-Resnet18+LR 与基于自动分割图像训练的模型b3D-Resnet18+LR 预测胰腺坏死预后的 Acc 值分别为 0.812 和 0.688;a3D-Resnet18+LR 和b3D-Resnet18+LR 的预测性能优于 APACHE score、MCTSI score、Ranson score 和 BISAP score,AUC 值分别为 0.899、0.778、0.659、0.611、0.659 和 0.571。结论 基于 ANP 患者入院后 24h 内 CECT 图像和临床指标构建的 DL 模型能早期准确针对性地预测胰腺坏死的预后,有较大的临床价值。关键
4、词:关键词:急性胰腺炎;胰腺坏死;深度学习;预后 中图分类号:中图分类号:R576 胰腺坏死是影响急性胰腺炎(AP)预后的重要因素,急性坏死性胰腺炎(ANP)死亡率达 10%20%1。胰腺炎发病后周围形成急性坏死物积聚(ANC)是影响预后重要的因素,随着病情进展,坏死组织被炎性包膜包裹,则为包裹性坏死(WON),如继发感染,则发展为感染性胰腺坏死(IPN),死亡率增加 2 倍以上2,且增加治疗难度3、还需要高级别抗生素治疗,肠内营养支持等4,极大增加患者负担。因此,若能在 AP 病程早期准确预测胰腺坏死的结局或发展趋势,有利于评估预后和及时选择有效的治疗方式。然而,目前临床上尚无针对性预测 A
5、P 胰腺坏死结局的评价系统。人工智能深度学习(deep learning,DL)在医学图像中的应用发展迅速且取得了令人满意的效果,在胰腺疾病影像学中也获得较大进步5。如果能利用 DL 技术将影像学与临床指标相结合建立胰腺坏死预后的模型,或许能建立高效的预测模型。本研究的目的在于建立高效的早期针对性预测胰腺坏死预后的模型。1 资料与方法 1.1 临床资料收集 收集为 2021 年 1 月至 2022 年 6 月期间在我院住院的 ANP 患者。纳入标准:符合 AP 诊断标准4;AP发作后 24 小时内行上腹部 CECT 检查,发作后 5 到 7天 CT 显示有胰腺或胰周组织坏死;出院后门诊随访6
6、月;同意入组临床研究,签署知情同意书,并遵守研究方案。排除标准:小于 18 岁或超过 80 岁者;妊娠期 AP;合并胰腺肿瘤者;慢性胰腺炎。收集患者入院 24h 内的 CECT 图像和临床数据,包括性别、年龄、病因、高血压或糖尿病病史、体重指数(BMI)和实验室指标等共35项指标,并计算24h MCTSI、APACHE、BISAP 和 48h Ranson 评分。每例患者的CECT 包括平扫期、动脉期和门静脉期,其中动脉期图像用于 DL。随访期间定时每月复查 CT 以观察胰腺坏死的结局,设定结局 1 为坏死组织吸收,结局 2 为坏死组织形成 WON 后持续存在,结局 3 为 IPN。IPN 诊
7、断标中文科技期刊数据库(全文版)医药卫生 34 准为 CT 下见胰腺和/或胰周组织出现气体,或行经皮细针穿刺细菌和/或真菌培养结果阳性。最后总共有 78例 ANP 患者被纳入研究。1.2 DL 模型建立 1.2.1 数据划分情况 训练集和测试集按照约 8:2 进行划分,其中每个结局类别均按此比例进行划分,见表 1。表 1 ANP 患者的 CECT 图像数据分布 结局 1 结局 2 结局 3 总共 训练集 28 21 11 60 测试集 9 4 3 16 总共 37 25 14 76 1.2.2 DL 模型性能评价指标 本研究使用特异度、敏感度)、阴性预测率、阳性预测值、F1 度量、准确度 和曲
8、线下面积对模型的性能进行评估。1.2.3 基于逻辑回归(LR)的预测指标筛选 由于机器学习 LR 算法简单和高效,在实际中应用非常广泛,本研究采用 LR 筛选与胰腺坏死结局相关性较强的临床指标。设定 Pearson 相关系数较大的 9 项指标与 DL 模型融合。1.2.4 基于 CT 图像的 3D-Resnet 预测模型建立 本研究为防止研究样本过少导致模型欠拟合,选择 3D-Resnet18 作为最终方法。3D-Resnet18 的训练和测试将分别基于放射科医生标记的胰腺结果(GT-mask)和 Attention-Unet 的胰腺分割结果(Att-mask),然后比较基于手动分割和自动分割
9、的数据在结局预测上的性能表现。1.2.5 3D-Resnet 与 LR 的融合 在 3D-Resnet 与 LR 的融合阶段,本研究将 3D-Resnet 的最终类别预测概率和 LR 的类别预测概率相加,取概率最大的作为预测结果。1.2.6 比较 DL 模型与四种评分系统对胰腺坏死预后的预测性能 将 APACHE score 8,MCTSI score 4,Ranson score 3,BISAP score 3 的病人设为高危组,反之则为低危组。DL 模型与四种评分系统对比时,将预测结果中结局 1 设为低危组,结局 2 和结局3 设为高危组。2 结果 2.1 研究人群基本特征 78 例 AN
10、P 患者坏死组织吸收 39 例(50%)、WON持续存在 25 例(32.05%)和 IPN 14 例(17.95%)。平均年龄为(50.4215.20)岁,其中男性 56 例(71.79%),高脂血症相关性 AP 42 例(53.85%),胆源性 AP 23 例(29.49%)。2.2 LR 临床指标筛选结果 LR 筛选出与胰腺坏死结局相关性较强的 9 项指标为有无 HBP 病史、BMI、有无 SIRS、HCT、P-LCR、BUN、AST/ALT、LDH 和 TT,Pearson 相关系数分别为 0.24、0.23、0.32、0.28、0.34、0.3、0.27、0.35 和 0.28,这些
11、指标与胰腺坏死结局的相关性矩阵见图 1。图 1 相关性矩阵图 2.3 DL 模型对胰腺坏死预后的预测性能 基于 GT-mask 训练的模型a3D-Resnet18+LR 与基于 Att-mask 训练的模型b3D-Resnet18+LR 预测胰腺坏死 预 后 的 Acc 值 分 别 为 0.812 和 0.688,a3D-Resnet18+LR的Sensitivity和Specificity高于b3D-Resnet18+LR(表 2)。a3D-Resnet18+LR 预测三种结局的 AUC 值分别为 0.857、0.792 和 0.949(图 2),b3D-Resnet18+LR 预测三种结局
12、的 AUC 值分别为 0.683、0.438 和 0.897(图 3)。2.4 DL 模型与四种评分系统的预测性能对比结果 DL 模型与四种评分系统在测试集上预测性能对比结果见表 3,APACHE score、MCTSI score、Ranson score、BISAP score、a3D-Resnet18+LR和b3D-Resnet18+LR 预测胰腺坏死预后的 Acc 值分别为 0.688、中文科技期刊数据库(全文版)医药卫生 35 0.562、0.688、0.625、0.875 和 0.750,AUC 值分别为0.659、0.611、0.659、0.571、0.899 和 0.778。图
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 增强 CT 图像 临床 指标 深度 学习 模型 预测 急性 胰腺炎 胰腺 坏死 预后 价值
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。