パイロット研究：2次元のスカウト画像から直接肺容積と肺気腫の範囲を定量化する

目的：平面スカウト画像から肺気腫の体積メトリックを計算する可能性をこの研究で調査しました。この概念の実装の成功は、異なる分野で大きな影響を与え、具体的には平面医療画像の診断の可能性を最大化します。 方法：よく特徴付けられた慢性閉塞性肺疾患（COPD）コホートを使用して前提を調査しました。このコホートでは、肺の体積と肺気腫の割合を計算するために、コンピューター断層撮影（CT）スキャンの平面スカウト画像を使用しました。肺容積と肺気腫の割合は、体積CT画像で定量化され、対応するスカウト画像から変数を計算するためのモデルを開発するための「グラウンドトゥルース」として使用されました。VGG19とInceptionV3を含む2つの古典的な畳み込みニューラルネットワーク（CNNS）を訓練し、肺の体積とスカウト画像の肺気腫の割合を計算しました。スカウト画像（n = 1,446）は、3つのサブグループに分割されました：（1）トレーニング（n = 1,235）、（2）内部検証（n = 99）、および（3）対象レベルでの独立テスト（n = 112）8：1：1の比率。平均絶対差（MAD）およびR二乗（R2）は、開発されたモデルの予測パフォーマンスを評価するパフォーマンスメトリックでした。 結果：単一の平面スカウト画像から計算された肺容量と肺気腫の割合は、体積CT画像を使用して定量化された測定値と有意に直線的に相関していました（肺容量のvgg19：R2 = 0.934、肺気腫パーセンテージの場合はR2 = 0.751、r2 = r2 = r2 = 0.751肺容量の0.977、肺気腫の割合の場合はR2 = 0.775）。肺容量の平均絶対差（MAD）と肺気腫の割合は、VGG19ではそれぞれ0.302±0.247Lおよび2.89±2.58％、InceptionV3では0.366±0.287Lおよび3.19±2.14でした。 結論：私たちの有望な結果は、CNNSを使用した平面画像から体積メトリックを推測する可能性を実証しました。

PURPOSE: The potential to compute volume metrics of emphysema from planar scout images was investigated in this study. The successful implementation of this concept will have a wide impact in different fields, and specifically, maximize the diagnostic potential of the planar medical images. METHODS: We investigated our premise using a well-characterized chronic obstructive pulmonary disease (COPD) cohort. In this cohort, planar scout images from computed tomography (CT) scans were used to compute lung volume and percentage of emphysema. Lung volume and percentage of emphysema were quantified on the volumetric CT images and used as the "ground truth" for developing the models to compute the variables from the corresponding scout images. We trained two classical convolutional neural networks (CNNs), including VGG19 and InceptionV3, to compute lung volume and the percentage of emphysema from the scout images. The scout images (n = 1,446) were split into three subgroups: (1) training (n = 1,235), (2) internal validation (n = 99), and (3) independent test (n = 112) at the subject level in a ratio of 8:1:1. The mean absolute difference (MAD) and R-square (R2) were the performance metrics to evaluate the prediction performance of the developed models. RESULTS: The lung volumes and percentages of emphysema computed from a single planar scout image were significantly linear correlated with the measures quantified using volumetric CT images (VGG19: R2 = 0.934 for lung volume and R2 = 0.751 for emphysema percentage, and InceptionV3: R2 = 0.977 for lung volume and R2 = 0.775 for emphysema percentage). The mean absolute differences (MADs) for lung volume and percentage of emphysema were 0.302 ± 0.247L and 2.89 ± 2.58%, respectively, for VGG19, and 0.366 ± 0.287L and 3.19 ± 2.14, respectively, for InceptionV3. CONCLUSIONS: Our promising results demonstrated the feasibility of inferring volume metrics from planar images using CNNs.