人工智能对泌尿系结石的放射组学和图像分割 (RISUS_AI)

背景：

目标和目标：

该项目旨在利用放射组学以及开发用于 CT 检查评估的人工智能工具，为肾结石患者提供个性化和改进的治疗和随访。 目标是评估：

• 与传统的解释和报告相比，泌尿道 CT 图像的手动分割是否提供了等效或更准确的有关肾结石疾病的信息。
• 与手动分割相比，使用人工智能执行的分割是否会产生有效的结果。
• 人工智能是否可以检测输尿管结石和梗阻和/或预测结石的自发排出。

方法：

队列：

奥斯陆大学医院放射科阿克科的患者被招募参加这项研究，该研究中心每年对约 1000 名患者进行约 1350 次尿路结石 CT 检查。 预计将包括大约 500 名新发作或新出现绞痛且临床怀疑肾结石的患者。

临床数据（如有）：

• 基线 CT：日期和图像数据
• 基线 CT 后做出初始治疗（保守、URS、PCN、ESWL）决定
• 后续 CT：日期和图像数据
• 自发结石排出（阴性对照 CT）或完成手术干预（URS）的时间
• 任何其他外科/侵入性手术
• 石材化学分析
• 临床生化：肌酐/eGFR、CRP、白细胞（基线和随访）。

图像数据：

临床放射学报告：

• 结石：（最大的结石和任何阻塞性结石）：任何平面中的最大直径、密度（通过临床判断设定的 ROI，最大可能的 ROI - 在结石最大的切片中）、位置（上输尿管：血管交叉点上方，下输尿管）输尿管：血管交叉口下方，孔口：膀胱壁内）
• 肾盂：萼颈下萼的最大直径，扩张的临床评估（不扩张/轻微/中度/重度）。
• 分割：
• 结石：分段结石总体积、最大直径、分段结石密度。
• 集合系统：集合系统和肾盂的总分段体积。