临床放射学杂志

作者：张迪, 李曼, 王麦林, 张晗宇, 程明月, 陈晨, 王颖, 黄婷婷

单位：450008 郑州,河南中医药大学（张 迪）;450001 郑州,河南中医药大学第一附属医院磁共振室（李 曼、张晗宇、程明月、陈 晨、黄婷婷）;710071 西安电子科技大学电子工程学院（王麦林、王 颖）

关键词：急性肺动脉栓塞,亚段肺栓塞,CT肺动脉成像,深度学习

基金：本研究系河南省自然科学基金资助项目（编号：222300420219）

<b>目的</b> 基于C2D-PENet网络智能检测CT肺动脉成像（CTPA）中的亚段肺栓塞（SSPE）,提高诊断的准确率。<b>方法</b> 回顾性纳入2015年2月至2024年11月在河南中医药大学第一附属医院怀疑急性肺栓塞（APE）行CTPA检查并确诊为APE合并亚段肺栓塞（SSPE）的患者,将其按7&#x02236;2&#x02236;1的比例随机分为训练集、验证集和测试集。采用C2D-PENet网络框架,结合细节增强空洞空间金字塔池化（DASPP）和风车形卷积（PConv）模块训练网络,五折交叉验证优化网络。在测试集上采用Dice系数、精确率、召回率、特异度、交并比（IOU）参数评估模型的分割效能,并绘制相应的参数曲线图。将模型与经典的Unet、Unet++、SCUnet++和DualUnet模型进行比较。<b>结果</b> 最终纳入233例APE并SSPE患者[平均年龄（68&#x000b1;18）岁,男122例,女111例],训练集163例、验证集47例、测试集23例。模型对SSPE分割的Dice系数为0.87、精确率为0.88、召回率为0.89、特异度为1.00、mIOU为0.89、Pos-IOU为0.77。C2D-PENet网络性能的多项参数均优于四个现有的经典网络。<b>结论</b> C2D-PENet网络对SSPE具有良好的检测性能,有望辅助SSPE的快速识别,提高其诊断的准确率。

来源：2026年第5期

《临床放射学》期刊编辑部

查看临床放射学杂志2026年第5期