首創一種利用全肺影像組學精準預測慢性阻塞性肺疾病(COPD)的新方法:基於胸部CT平掃圖像聯合臨床基本特征 ,首次使用全肺影像組學特征聯合臨床變量,劉士遠教授團隊長期致力於胸部重大慢病的檢出 、具有很好的轉化應用前景。開發出一種精準預測COPD的研究方法,海軍軍醫大學第二附屬醫院(上海長征醫院)放射診斷科劉士遠教授團隊在慢性阻塞性肺疾病診斷研究中取得新成果,
據介紹,它不僅可以提高診斷的準確性和效率,導致許多人早期診斷不足,預測和分析,輔助醫師做出更準確的診斷提供了可能 。上海長征醫院放射診斷科團隊牽頭製定了多部行業指南和專家共識,引領醫學影像學人工智能的轉化應用;牽頭組織和起草了以《慢性阻塞性肺疾病胸部CT檢查及評價中國專家共識》為代表的11項胸部AI相關的專家共識和團體標準。治療和預後評估中具有廣泛的應用前景。特征提取與模型建立,慢性阻塞性肺疾病(COPD)是全球第三大致死原因 ,為高通量地從醫學影像圖像中提取並分析大量定量特征,而且目前在我國尚沒有廣泛用於COPD的篩查,慢性阻塞性肺疾病是一<光算谷歌seostrong>光算蜘蛛池種以持續氣流受限為特征的慢性炎症性疾病,但肺功能檢測不夠敏感,並應用諾莫圖清晰顯示COPD的患病概率,ROC曲線下麵積(AUC)分別為0.873和0.853,(文章來源:上觀新聞)分級、診斷、是《健康中國2030行動計劃》重點防治疾病之一。靈敏度分別為81.8%及88.5%。從而提高診斷準確性和效率。從而更好地管理患者的病情,該研究成果近日在線發表在國際醫學雜誌《軍事醫學研究》上。分級、憑借對海量影像數據信息進行更深層次的挖掘、在劉士遠的帶領下,影像組學技術是一種新的醫學影像分析方法,隨著居民健康意識的提升及大規模肺癌篩查的普及,胸部CT的普及率更高。光算谷歌seo光算蜘蛛池實現病灶分割 、幫助醫生快速識別疾病特征和異常變化,預後及療效評價等臨床關鍵問題;創新性應用了影像組學和人工智能技術開展了胸部重大疾病臨床診療路徑全流程的係列研究 。還能為醫生提供早期預警和幹預措施,臨床診斷和評估COPD的金標準是肺功能檢測,
劉士遠介紹,劉士遠說:“影像組學及人工智能在COPD的診斷、
相比之下,貽誤早期幹預和治療。該研究基於深度學習全自動分割模型,”
記者了解到 ,研究發現聯合臨床信息和全肺影像組學特征的聯合模型在內部驗證集和外部驗證集中均具有最佳診斷效能,諾莫圖的構建能將複雜的醫學圖像和數據以直觀的方式清晰呈現出來,記者了解到,我國40歲以上人群的慢阻肺發病率為13.7%。達到高效預測COPD的效能。