肝胆外科陈亚进、陈捷团队关于双模态平扫 CT 和超声图像的肝包虫病深度学习诊断的大规模、多中心诊断研究在International Journal of Surgery杂志发表

论文题目：Deep learning diagnosis of hepatic echinococcosis based on dual-modality plain CT and ultrasound images: a large-scale, multicenter, diagnostic study.     

通讯作者：陈亚进；陈捷

第一作者：张杰；章纪豪 等

论文发表刊物：International Journal of Surgery

【研究背景】

肝包虫病是严重威胁我国西部地区的人畜共患寄生虫病，早期精准诊断对预后至关重要。然而，该病主要依赖的超声筛查受设备性能和操作经验限制，误诊率较高；平扫 CT 虽可提供解剖细节，但单一模态信息仍有限，且缺乏适用于欠发达地区的高效诊断工具。鉴于此，作者开发了基于平扫 CT 联合超声的多模态影像系统，通过整合双模态互补特征，借助深度学习技术提升诊断效能，旨在为我国西部地区提供低成本、高可靠性的肝包虫病筛查方案，弥补基层医疗技术缺口。

【主要发现】

这种整合 CT 与超声的多模态深度学习诊断系统显著提高了肝包虫病、肝囊肿和肝脓肿的诊断准确性。该系统通过降低误诊率、提升诊断可靠性，优于传统单一模态方法和医师诊断。研究强调了多模态影像系统在解决资源欠发达地区诊断难题中的潜力，为改善医疗可及性和诊疗预后开辟了新路径。

【研究意义】

我们成功开发了整合超声与 CT 的多模态深度学习诊断模型 HEAC，该模型可精准诊断肝包虫病及肝囊肿、肝脓肿等相关疾病，并已在中国新疆地区各级医院的真实临床场景中完成验证。对比结果显示，相较于单模态深度学习模型，HEAC 具有更高敏感性，且降低了对医生主观判读的依赖。借助深度学习挖掘多模态影像潜力，结合互联网突破时空限制、促进信息流通，有望革新当前肝包虫病诊断模式，构建智能化协同医疗诊断生态，为全球包虫病防控提供新视角。

论文链接:

https://journals.lww.com/international-journal-of-surgery/abstract/9900/deep_learning_diagnosis_of_hepatic_echinococcosis.2279.aspx

阅读二维码：