彭 超,张 剑,刘 欢,黄 英,刘 羽

    [1.重庆大学附属中心医院/重庆市急救医疗中心医学影像科,重庆 400014;2.中电通商数字技术(上海)有限公司,上海 200131;3.重庆市公共卫生医疗救治中心/西南大学附属公卫医院医学影像科,重庆 400030]

    腕关节是生活和工作中使用频率较高的关节之一,同时又是人体解剖结构最复杂的关节,容易发生骨折、脱位、撞击综合征、骨肿瘤、关节炎性病变及肌腱和韧带损伤等疾病,严重影响患者生活自理、学习工作和运动健身等能力[1]。影像学检查是医学检查的重要组成部分,为临床疾病诊断、病灶的定位及定性、临床治疗方案的选择、疾病的分期及预后等提供了重要依据[2]。随着X线摄影技术的发展与普及,越来越多的医疗机构引进了直接数字平板X线成像系统(DR)设备,且广泛地应用于各个医疗机构的多种业务场景[3]。X线摄影简便、快捷、经济、实用的优势日渐突出,成为腕关节常见疾病检查的优先选择。但因检查设备、操作技师、患者自身及疾病等因素的差异,数据的质量存在较大差异,数据呈现波动特征,随时间和特定事件变化,建立有效的图像质量评价机制对于临床医学图像处理技术具有重大的应用价值[4]。

    在图像评价领域,国内影像科还停留在人工参考层面的主观评价(视觉评价),存在效率低、易遗漏、主观性太强、方式落后等弊端,不能有效、快速、全面、可持续性地提高图像质控水平,不能推动影像质控的发展。因此,本研究拟提出具有辅助拍片功能的智能质控系统,对于医疗影像质量的评价和医疗诊断质量的提高均具有重要意义,同时对综合性医院及基层医院影像质控的规范及发展起着至关重要的推动作用。

    随着人工智能技术的发展,近年来,深度学习在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域取得了突破性研究进展[5]。本研究中,作者提出了一种全自动的腕关节DR质控系统,该系统以DICOM格式的图像文件作为输入,通过1个分类模型和2个关键点检测模型及其他功能计算函数后,输出多个定量和定性的质控评估结果。分类模型和关键点检测模型都是基于卷积神经网络[6-7]。完成系统构建后,作者将其对实际影像实例的质控结果与来自专业放射科医生的质控结果进行了对比。

    1 资料与方法

    1.1一般资料 回顾性纳入2013年9月25日至2018年2月10日接受腕关节正位和侧位片检查的1 315张图像,其中包括695张正位片和620张侧位片。该数据集中包含343张具有异物伪影的正位图像,52张无异物伪影的正位图像;234张具有异物伪影的侧位图像,386张无异物伪影的侧位图像 ......