简介:摘要目的探讨基于深度学习构建胆道闭锁(biliary atresia,BA)超声人工智能(artificial intelligence,AI)诊断模型的可行性。方法前瞻性收集2018年9月至2020年10月湖南省儿童医院诊治的177例BA患儿(BA组)共计531张胆囊超声初始影像及195例非BA患儿(非BA组)共计585张胆囊超声初始影像,各组按2∶1分为训练集与测试集。使用训练集训练深度神经网络模型Mask R-CNN后,采用测试集分别以患儿和图像为单位对该模型进行测试,评价模型对胆囊的检测率及诊断准确率。另将测试集图像分别以患儿、图像为单位进行随机编号,分别邀请4名超声医师进行图片判读,计算诊断准确率。对模型诊断准确率与超声医师诊断准确率进行比较。结果在胆囊器官的自动检测方面:模型在BA组与非BA组的检测率均达到100%,但在总计372张测试集图像中有17张出现虚警,虚警率4.57%(17/372)。在诊断方面:以患儿为单位时,模型在测试集中总的诊断准确率为95.97%,高于外院超声医师及本院中级职称超声医师(均P<0.005),略高于本院高级职称超声医师(91.94%),但差异无统计学意义(P=0.183)。以图片为单位时,模型在测试集中总的诊断准确率为97.04%,均高于外院超声医师及本院中级职称超声医师(均P<0.001),略高于本院高级职称超声医师(94.09%),但差异无统计学意义(P=0.05)。结论基于Mask R-CNN的AI模型可较准确地检测胆囊器官,对BA的诊断准确率较高,该模型切实可行,值得进一步研究。
简介:摘要目的探讨超声剪切波弹性成像(shear wave elastography,SWE)诊断胆道闭锁患儿Kasai术前肝纤维化程度的应用价值。方法收集2017年1月至2018年1月湖南省儿童医院诊治的49例临床高度怀疑为胆道闭锁的患儿,在Kasai术前3 d内运用SWE技术检测右肝前叶下段肝硬度值。以Kasai术中切取右肝下缘肝组织标本的病理结果为金标准,采用Spearman相关分析肝硬度值与肝纤维化程度的相关性,采用ROC曲线分析肝硬度值诊断肝硬化的ROC曲线下面积、最佳截断值、敏感性、特异性、阳性预测值、阴性预测值及准确性。结果49例疑似胆道闭锁患儿均得到手术及病理确诊,其中肝纤维化S2期5例,S3期23例,S4期21例,无S0、S1期病例。Spearman相关分析显示肝硬度值与肝纤维化程度呈正相关(r=0.779,P<0.001),肝硬度值判别肝硬化的曲线下面积为0.914,当最佳截断值取14.45 kPa时,其敏感性为85.7%,特异性为89.3%,阳性预测值为85.7%,阴性预测值为89.3%,诊断准确性为87.8%。结论SWE检测胆道闭锁肝硬度值与肝纤维化分期具有较高的相关性,且对肝硬化的判别具有较高的诊断效能,可用来评估胆道闭锁患儿Kasai术前肝纤维化程度。