深層学習による自動心胸比計算

深層学習は医療画像分析における成長するトレンドです。胸部X線に適用された深層学習技術のデータは限られています。本論文では、胸部X線における心胸比（CTR）計算のための深層学習アルゴリズムを提案しました。完全畳み込みニューラルネットワークを用いて胸部X線画像をセグメント化し、CTRを計算しました。深層学習モデルから得られたCTR値は、Bland-Altman分析と線形相関グラフ、クラス内相関（ICC）分析を使用してリファレンス標準と比較されました。心肥大の検出に対するモデルの診断性能は、他の深層学習方法や放射線科医と比較されました。深層学習法から得られたCTR値は、リファレンス標準と優れた一致を示し、平均差は0.0004 ± 0.0133、95%の一致限界は-0.0256から0.0264でした。深層学習とリファレンス標準との相関係数は0.965（P <; 0.001）で、ICC係数は0.982（95% CI 0.978-0.985）（P <; 0.001）でした。深層学習による測定時間は手動方法の25.26（23.49-27.44）秒に対し、顕著に少なく0.69（0.69-0.70）秒でした（P <; 0.001）。診断精度、特異度、陽性適中率は、いずれの方法の間でも比較可能でした。しかし、深層学習は手動法と比較して相対的に高い感度および陰性適中率（それぞれ97.2%対91.4%、P = 0.004; 96.0%対89.0%、P = 0.006）を示しました。このコンピュータ支援技術は、CTR計算において手動法よりも信頼性が高く、時間と労力を節約することが示されました。