重建算法和層厚對AI提取pGGN一階特征的影響

打開文本圖片集

［摘要］目的探討不同重建算法和層厚對基于人工智能（AI）獲得的純磨玻璃結(jié)節(jié)（pGGN）一階特征的影響，選取最佳重建算法和重建層厚。方法回顧性分析我院同一臺CT機上行胸部高分辨率平掃者CT影像，在AI輔助下由一名副主任醫(yī)師篩選出最小徑≥5 mm的pGGN 158例，分別記錄相同重建算法不同層厚（0.625、1.250、2.500 mm）和相同層厚不同重建算法（標準算法和肺算法）數(shù)據(jù)，在AI軟件中標準敏感度下獲得16個一階特征（總體積、總質(zhì)量、CT最大值、CT最小值、CT平均值、CT值方差、球型度、最大面面積、表面積、3D長徑、長短徑平均值、峰度、偏度、能量、緊湊度、熵），并進行統(tǒng)計分析。（剩余11091字）