
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于多比例真实配对数据集的CT切片合成基准与参考模型
《npj Digital Medicine》:Benchmarking AI-generated thin-slice CT under clinical reconstruction conditions: a multicohort study
【字体: 大 中 小 】 时间:2026年09月18日 来源:npj Digital Medicine 18.0
编辑推荐:
摘要薄层 CT 提供更精细的解剖描绘,但在某些临床环境下,仅有厚层 CT 图像可用,导致可见解剖细节减少。简单地将层间距重采样到更小值无法缓解部分容积效应相关的图像退化,这促使基于深度学习的 CT 切片合成(CSS)作为辅助策略的出现。在此,我们发布了多比例切片合成 CT(M
薄层 CT 提供更精细的解剖描绘,但在某些临床环境下,仅有厚层 CT 图像可用,导致可见解剖细节减少。简单地将层间距重采样到更小值无法缓解部分容积效应相关的图像退化,这促使基于深度学习的 CT 切片合成(CSS)作为辅助策略的出现。在此,我们发布了多比例切片合成 CT(MSS-CT),这是一个多比例真实配对数据集,包含从相同原始采集重建的厚层和 1 毫米 CT,涵盖 3 毫米至 1 毫米(500 对)和 5 毫米至 1 毫米(1500 对)的合成。使用 MSS-CT,我们开发了 BasicCSS 作为参考模型,在多队列设置中与代表性 CSS 方法进行评估,并比较了真实配对与伪配对训练。BasicCSS 在内部和外部测试中取得了最佳性能,而伪配对训练导致所有评估方法的性能明显下降,这与模拟厚层输入与临床重建厚层 CT 之间的不匹配一致。下游一致性分析表明,BasicCSS 合成的 1 毫米 CT 与传统插值相比,与真实 1 毫米 CT 衍生的分割和放射组学输出具有更高的一致性。在一项两位放射科医生的阅片研究中,合成的 1 毫米 CT 作为辅助视图与原始 5 毫米 CT 一同查看时,获得了高实用性和置信度支持评分。这些结果表明,当无法获得真实薄层 CT 时,AI 生成的薄层 CT 可作为辅助图像,并且 MSS-CT 和 BasicCSS 使得在未来临床重建条件下的 CSS 开发和评估能够进行可重复的基准测试。