深度学习赋能：非增强 CT 图像精准勾勒肾血管的创新探索

为评估利用深度学习模型在非增强 CT 图像上进行肾血管重建的可能性，研究人员选取 177 例患者的 CT 扫描数据展开研究。结果显示，模型识别肾动静脉主干精度与放射科医生相当，但识别副血管有困难。这为肾血管重建技术发展提供新方向。

　　目的：评估利用深度学习模型在非增强计算机断层扫描（CT）图像上进行肾血管重建的可能性。
材料和方法：选取 177 例患者非增强期、动脉期和静脉期的 CT 扫描数据，随机分为训练集（n=120）、验证集（n=20）和测试集（n=37）。在训练集和验证集中，放射科医生以增强期图像为参考，在非增强 CT 图像上标记右肾动脉和静脉。在测试集上对训练好的深度学习模型进行测试和评估。放射科医生在无增强期参考的情况下对测试集进行肾血管重建，其结果用于对比。以动脉期和静脉期重建结果作为金标准。
结果：在无增强期参考的情况下，放射科医生和模型都能准确识别动脉和静脉主干。动脉识别准确率模型为 91.9%，放射科医生为 97.3%；静脉识别准确率模型为 91.9%，放射科医生为 100%，差异均无统计学意义。模型识别副动脉存在困难，准确率显著低于放射科医生（44.4% vs. 77.8%，p=0.044）。模型识别副静脉的准确率也较低，但差异无统计学意义（64.3% vs. 85.7%，p=0.094）。
结论：深度学习模型能准确识别右肾动脉和静脉主干，准确率与放射科医生相当。尽管当前模型识别小的副血管仍有困难，但进一步训练和模型优化有望解决这些问题。