目的:慢性化脓性中耳炎(chronic suppurative otitis media,CSOM)和中耳胆脂瘤(middle ear cholesteatoma,MEC)是两类临床上最常见的慢性中耳疾病.在诊疗过程中,该两类疾病因具有类似的临床表现,容易造成误诊及漏诊.高分辨率计算机断层扫描(high resolution computed tomography,HRCT)能清晰地显示颞骨的精细解剖结构,准确地反映中耳病变情况及病变范围,对慢性中耳疾病的鉴别诊断具有优势.本研究开发一种基于颞骨HRCT影像数据,对慢性中耳疾病实施自动信息提取与分类诊断的深度学习模型,旨在提高临床上对慢性中耳疾病的分类诊断效率,减少漏诊及误诊的发生.方法:回顾性收集2018年1月至2020年10月于湘雅医院耳鼻咽喉科住院的慢性中耳疾病患者的临床病历及颞骨HRCT影像资料.由2名经验丰富的耳鼻咽喉科医师独立审查患者的医疗记录,并对最终诊断达成一致结论.最终纳入499例患者(998侧耳),将998侧耳分为3组:MEC组(108侧耳)、CSOM组(622侧耳)、正常组(268侧耳).使用不同方差的高斯噪声进行数据集样本扩增处理,以此消除组间样本数量的不平衡.经扩增后的实验数据集样本量为1806侧耳,实验中随机选择75%(1355侧耳)用于训练,10%(180侧耳)用于验证,剩余的15%(271侧耳)用于测试并评估模型性能.模型整体设计为串联式结
作者:粟日;宋剑;汪政;卯爽;毛弈韬;吴学文;侯木舟
来源:中南大学学报(医学版) 2022 年 47卷 8期