肝内肿块型胆管细胞癌：MRI动脉增强模式及预后
【摘要】 目的开发和评估一种从CT影像中分割腹部来量化身体组成成分的全自动算法。材料与方法这项回顾性研究通过训练应用基于U-Net体系结构的卷积神经网络对2430例进行过二维CT检查的数据进行腹部分割，并在270例的CT检查数据上进行测试。在2369例肝细胞癌（HCC）病人的单独数据集中进行进一步的测试。CT检查时间为1997-2015年。病人平均年龄67岁[男性平均年龄67岁（29~94岁），女性平均年龄66岁（31~97岁）]。采用Bonferroni校正的方差分析法对分割性能的差异进行评估。结果与参考分割法进行比较，本项研究的模型达到Dice分数（平均数±标准差）。皮下脂肪、肌肉及内脏脂肪组织成分在测试数据中分别为0.98±0.03、0.96±0.02和0.97±0.01，在HCC数据中分别为0.94±0.05、0.92±0.04和0.98±0.02。效能达到或超过专业的手法分割。结论对于测试数据和HCC数据来说，模型的效能都达到或超过CT检查中专业的手法分割的准确性。这个模型可以很好地应用到腹部的多个层面，并且有可能用于三维CT检查对人体成分指标的全自动量化。原文载于Radiology，
