近日，东北大学医学与生物信息工程学院齐守良教授团队与美国加州大学洛杉矶分校联合，在全球数字医学顶尖期刊npj Digital Medicine（Nature 子刊）上发表了题为“Spatial resolution enhancement using deep learning improves chest disease diagnosis based on thick slice CT”的研究论文。东北大学2023级博士生于朋鑫和美国国立卫生研究院张皓越为论文共同第一作者，东北大学为第一完成单位。齐守良教授与美国加州大学洛杉矶分校的Corey Arnold教授为共同通讯作者。
CT扫描在胸部疾病诊断中至关重要，其图像质量在很大程度上受到空间分辨率的影响。然而，由于CT设备和数据存储成本高昂等因素，厚层CT扫描在临床实践中依然广泛使用，但其较低的空间分辨率可能导致误诊。为了解决这一问题，合作团队通过跨国多中心研究，开发了一种基于深度学习的医学影像生成模型，旨在从厚层CT扫描中生成虚拟薄层CT扫描。
为了评估虚拟薄层CT扫描的质量，研究团队邀请了8名国内外放射科专家进行独立的主观评价。结果表明，虚拟薄层CT扫描的视觉质量与真实薄层CT扫描不相上下。此外，4名放射科专家分别使用真实薄层CT扫描、原始厚层CT扫描和虚拟薄层CT扫描进行肺炎诊断和肺结节检测。研究发现，虚拟薄层CT扫描在诊断性能上显著优于原始厚层CT扫描，并且与真实薄层CT扫描的效果相当。进一步的实验表明，当使用人工智能辅助诊断软件时，虚拟薄层CT也能够显著提升性能。因此，当薄层CT扫描不可获取时，通过所提方法生成的虚拟薄层CT扫描可作为一种有效的替代方案，尤其有助于改善欠发达地区或国家的医疗保健状况。
原文链接：https://www.nature.com/articles/s41746-024-01338-8#Sec10
