4 月 14 日，健培科技与浙江省人民医院合作的《Automated quality assessment of chest radiographs based on deep learning and linear regression cascade algorithms （基于深度学习和线性回归级联算法的胸片自动质量评价）》原创性研究，在放射学领域著名期刊《European Radiology（欧洲放射学协会官刊，影响因子/JCR分区：5.315/Q1）》发表。 这是2020浙江省重点研发计划《智能胸部影像质评云平台关键技术研发及应用示范》项目的一项成果，2021年完成建模并投稿，近日收录于《European Radiology》。

01

研究目标

评估深度学习和线性回归级联算法在自动计算胸片布局和摆位质评方面的性能。

02

研究方法

这项回顾性研究使用 10 个定量指标来捕捉放射科医生对胸部 X 光片图像布局和摆位的主观看法，包括胸部边缘、视野 (FOV)、锁骨、旋转、肩胛骨和对称性。使用由 1025 张成人胸部前后片组成的训练数据集开发了一个图像质量自动评估系统。评估步骤包括：（i）使用基于 ResNet-34 的 CNN 框架获得定量指标的测量参数；（ii）使用多元线性回归模型对定量指标进行分析，以获得胸片在布局和摆位方面的预测分数。在测试数据集中 ( n= 100)，使用组内相关系数 (ICC)、皮尔逊相关系数 ( r )、平均绝对差 (MAD) 和平均绝对百分比误差 (MAPE) 评估自动化系统的性能。

?????????

03

研究结果

试验结果显示，10个定量指标与专家主观评分之间存在统计学显著关系（p <0.05）。深度学习模型在预测定量指标方面表现出很高的准确性（ICC = 0.82 ~0.99，r = 0.69 ~ 0.99，MAD = 0.01 ~ 2.75）。胸片自动图像质量评价系统提供的评估结果近似于放射科专家关于图像布局 (MAPE = 3.05%) 和摆位 (MAPE = 5.72%) 的平均意见分数，本文方法为放射科影像图像质量评价提供了一个科学、便捷、可靠、量化的方式，必将促进放射科图像质量评价的发展。

研究结论

十个定量指标与放射科医师对胸片图像布局和摆位的主观感知密切相关。该自动化系统在测量定量指标和评估图像质量方面具有可靠且准确的性能表现。

研究意义

这一基于深度学习和线性回归级联算法的胸片自动质量评价的研究证明将临床专家知识加入到深度学习模型中会极大的提升模型效果，增加了深度学习模型在临床上使用的意义。健培科技专业的AI科研团队与浙江省人民医院一起，联合诸多业内专家，顺利完成实验设计，模型搭建和结果分析的工作。本研究在放射学领域著名期刊《European Radiology》发表展现了省重大研发计划的成果，在合作伙伴们的支持下，诸多国际化前瞻性的临床应用研究，将不断结出丰硕的成果。