人工智能诊断GGN侵袭性及其检出肺小结节影响因素的研究

发布时间：2020-11-14 16:09

　　 目的:探讨基于深度学习的人工智能辅助诊断系统关于肺磨玻璃结节(GGN)CT定量参数分析对其病理侵袭性判断的价值,以及不同层厚与结节特征对CT肺小结节检出效能的影响。材料与方法:纳入本院2018年1月至2019年8月经手术病理证实的肺腺癌磨玻璃结节54枚和2019年1月至2019年8月肺小结节胸部CT平扫病例200例导入人工智能软件工作站进行分析。前者54个GGN分析后记录的特征定量参数包括3D长径、平均CT值、体积、最大面面积、表面积、紧凑度、球形度、熵,按照病理分型将54枚GGN分为非侵袭性病变组(AAH、AIS)和侵袭性病变组(MIA、IAC),采用SPSS及MedCalc软件统计分析两组间差异,再对有统计学意义的定量参数进行受试者工作特征曲线(Receiver operating characteristic curves,ROC)分析,评价其诊断GGN侵袭性的能力,同时根据最大约登指数(Youden’s index,YI)计算该定量参数的最佳诊断阈值,获得曲线下面积、敏感度和特异度,P0.05被认为差异具有统计学意义。后者根据不同CT图像层厚、结节类型、结节大小以及机型,分别记录AI与医师对结节的检出情况,采用SPSS17.0统计学软件进行资料录入、整理及统计学分析。AI组与医师组定性资料比较采用卡方检验,两组检测时间比较采用t检验,比较其检出率、灵敏度、假阳性率以及检出时间,P0.05为差异具有统计学意义。结果:1.本研究共计54枚GGN,其中pGGN34枚,mGGN20枚,非侵袭性病变组(AAH、AIS)22枚(40.74%),侵袭性病变组(MIA、IAC)32枚,分别发生于右肺上叶28枚(尖段7枚,后段11枚,前段10枚),右肺中叶5枚(内段1枚,外段4枚),右肺下叶8枚(背段2枚,前基底段6枚),左肺上叶10枚(尖后段6枚,前段4枚),左肺下叶3枚(背段1枚,基底段2枚)。AI对54枚GGN给出诊断意见为48枚GGN高危,占比88.89%,6枚低危(pGGN 4枚,mGGN2枚),占比11.11%。2.3D长径、平均CT值、体积、最大面面积及表面积判断非侵袭性病变组和侵袭性病变组具有明显统计学差异,3D长径诊断侵袭性病变的最佳阈值为10.35mm,敏感性为84.37%,特异性为59.09%,(AUC=0.740,P0.05;95%CI:0.603-0.850);平均CT值的阈值为476.73Hu,敏感性为78.12%,特异性为72.73%,(AUC=0.751,P0.05;95%CI:0.615-0.859);体积的阈值为641.7 mm3,敏感性为65.62%,特异性为81.82%,(AUC=0.737,P0.05;95%CI:0.600-0.848);最大面面积的阈值为79.78 mm~2,敏感性为68.75%,特异性为77.27%,(AUC=0.736,P0.05;95%CI:0.598-0.846);表面积的阈值为365.22 mm~2,敏感性为65.62%,特异性为81.82%,(AUC=0.744,P0.05;95%CI:0.607-0.853)。3.GGN的紧凑度、球形度、熵诊断非侵袭性和侵袭性腺癌之间的差异无明显统计学意义(P均0.05)。4.结果200例胸部CT共检出真性结节755枚,其中pGGN218枚,mGGN61枚,SN476枚。AI在厚层(5mm)对于pGGN及mGGN检出率高于薄层(1.5mm),二者经统计学分析分别为,t=1.511,P=0.134,t=2.282,P=0.025;AI薄层对于SN的检出率明显高于厚层(t=-10.377,P0.001);AI在薄层对pGGN、mGGN及SN检出灵敏度均明显高于厚层,经统计学分析分别为,t=-4.823,P0.001,t=-4.048,P0.001,t=-10.186,P0.001;薄层对于实性结节的假阳性率明显高于厚层,厚层对于纯磨玻璃结节及混杂磨玻璃结节的假阳性率明显高于薄层,医师的假阳性均为0。5.在64排CT机型及16排CT机型中AI共检出肺小结节分别为491、627枚,二者经统计学分析,t=-0.428,P=0.427,P0.05,差异无统计学意义;两种机型在薄层上对肺小结节检出均高于厚层(t=-7.925,P0.001);薄层的假阳性率明显高于厚层(t=-2.890,P=0.004),其中16排机型假阳性率略高于64排机型。结论:1.基于人工智能CT特征定量分析(3D长径、平均CT值、体积、最大面面积、表面积)有助于GGN侵袭性的预判,能给术前选择及预后判断提供更精准的影像学依据。2.CT扫描层厚会显著影响AI对CT肺结节的检出效能,图像层面越厚,AI对肺小结节检出速度越快,其漏诊率相对增加,CT图像层厚越薄,AI对肺小结节检出率越高,其假阳性率相对增加。3.不同机型西门子64排及飞利浦16排对AI在CT肺小结节的检出无显著影响。
【学位单位】：成都医学院
【学位级别】：硕士
【学位年份】：2020
【中图分类】：R734.2
【部分图文】：

结果12图6图63D长径、平均CT值、变面积、体积、最大面面积的ROC曲线分析Fig.6ROCcurveanalysisof3Dlongdiameter,averageCTvalue,variablearea,volume,andmaximumarea2.2200例肺小结节数据分析2.2.1以密度分类的肺小结节检出情况比较结果200例胸部CT共检出真性结节755枚，其中pGGN218枚，mGGN61枚，实性密度结节（SN）476枚。AI在厚层（5mm）对于pGGN及mGGN检出率高于薄层（1.5mm），二者经统计学分析分别为，t=1.511，P=0.134，t=2.282，P=0.025；AI薄层对于实性结节的检出率明显高于厚层（t=-10.377，P<0.001）；AI在薄层对pGGN、mGGN及SN检出灵敏度均明显高于厚层，经统计学分析分别为，t=-4.823，P<0.001，t=-4.048，P<0.001，t=-10.186，P<0.001；薄层对于实性结节的假阳性率明显高于厚层，厚层对于纯磨玻璃结节及混杂磨玻璃结节的假阳性率明显高于薄层，医师的假阳性均为0，明显低于AI；具体详见表3、表4，图7-10。

成都医学院专业硕士研究生论文15themGGNoftheleftlowerlobeinthe1.5mmlayerthicknessimage.Thesizeisabout0.9x0.7cm.Closelyrelatedtoadjacentbloodvessels.Fig9-2Thenodulewasnotdetectedinthe0.6mmlayerthicknessimageofAI,whichmaybeduetothethinnerlayerthicknessimageandlowerresolution,andthenodulewaslocatedinthesubpleuralareaandwasaffectedbythevolumeeffect.图10-1图10-1图10-1、10-2，女性，53岁，图10-1AI在5mm层厚图像中右肺下叶前基底段自动标记一mGGN并提示高危，大小约0.8x0.7cm，与邻近血管关系密切。图10-2在1.5mm肺窗中可见该结节实则为实性结节。Fig10-1,10-2,female,53yearsold.Fig10-1AIinthe5mmlayerthicknessimageoftheanteriorbasalsegmentoftherightlowerlungautomaticallymarksamGGNandindicateshighrisk,about0.8x0.7cminsize,andadjacentbloodvessels.Closerelationship.Fig10-2Thisnodulecanbeseenasasolidnoduleina1.5mmlungwindow.2.2.2不同机型对肺小结节AI检出情况的比较在64排CT机型及16排CT机型中AI共检出肺小结节分别为491、627枚，真性结节分别为340、415枚，其中64排CT分别检出pGGN74枚，mGGN32枚，SN234枚，其中16排CT分别检出pGGN144枚，mGGN29枚，SN242枚，二者经统计学分析，t=-0.428，P=0.427，P>0.05，差异无统计学意义；两种机型在薄层上对肺小结节检出均高于厚层（t=-7.925，P<0.001）；薄层的假阳性率明显高于厚层（t=-2.890，P=0.004），其中16排机型假阳性率略高于64排机型；详见表5。表5不同机型对肺小结节AI检出情况的比较Table5ComparisonofAIdetectionofpulmonarynodulesbydifferentmodels分类检出率（%）灵敏度（%）假阳性（%）
【相似文献】

相关期刊论文 前10条

1 刘杰;;低剂量16排螺旋CT重建层厚对肺小结节检出的影响[J];深圳中西医结合杂志;2019年01期

2 冯盛春;;低剂量螺旋CT不同重建层厚对检出肺小结节的影响[J];中国医疗器械信息;2018年17期

3 夏晓明;施仁忠;张亚峰;;肺小结节恶性概率预测临床模型构建[J];山东医药;2019年07期

4 王晓燕;肖继伟;万钰磊;刘瑛;;多层螺旋CT对肺小结节的诊断价值分析[J];中华肺部疾病杂志(电子版);2019年02期

5 史锁芳;;肺小结节遇上了中医,不再焦虑[J];江苏卫生保健;2019年09期

6 许海柱;潘永福;;潘永福教授治疗孤立性肺小结节经验撷菁[J];时珍国医国药;2018年01期

7 周仲芳;庞显伦;徐厚平;李玲;王庆稳;任莉丽;张颖;阮宇;;泸州地区肺小结节筛查管理平台建设研究[J];世界最新医学信息文摘;2018年75期

8 杨娟;怀庆昀;李春霞;杨萌;;周围型孤立性肺小结节的外科诊疗分析[J];中外医学研究;2015年22期

9 ;你查出的肺小结节是癌吗？需要关注吗？[J];抗癌之窗;2019年06期

10 康医生;;发现肺小结节要手术吗?[J];健康生活;2017年04期

相关博士学位论文 前5条

1 周振宇;达芬奇系统术中超声肺小结节定位及定性的临床研究[D];浙江大学;2016年

2 唐玉婷;侵袭性NK细胞白血病临床亚型特征，治疗预后，以及JAK/STAT-MYC-生物合成轴激活在疾病发生中重要作用的研究[D];华中科技大学;2018年

3 王建华;基于影像组学模型对胰腺实性-假乳头状瘤侵袭性的预测研究[D];南京中医药大学;2019年

4 钟婧;磁共振扩散峰度成像对淋巴瘤诊断、侵袭性分级及组织病理图像特征相关性的应用研究[D];福建医科大学;2018年

5 杨英;新发及罕见侵袭性真菌病原体的基因组研究及分子诊断[D];中国人民解放军军事医学科学院;2017年

相关硕士学位论文 前10条

1 周围;人工智能诊断GGN侵袭性及其检出肺小结节影响因素的研究[D];成都医学院;2020年

2 侯秋月;理气解郁、化痰散结法治疗肺小结节的临床研究[D];南京中医药大学;2019年

3 王国忠;亚厘米肺小结节影像学表现同临床病理的关系[D];安徽医科大学;2019年

4 白雄雄;肺小结节患者术前与术后焦虑与抑郁的影响因素[D];大连医科大学;2018年

5 齐一伟;CT引导下Hook-Wire定位术在肺小结节临床应用及其并发症发生与预防的分析研究[D];大连医科大学;2017年

6 孙凯;周围型孤立性肺小结节的诊疗分析[D];山东大学;2014年

7 周航;亚厘米GGN非小细胞肺癌射频消融治疗相关临床分析[D];福建医科大学;2019年

8 漆欢;孤立性肺小结节及微小结节恶性概率的预测模型初探[D];苏州大学;2019年

9 张慧芳;孤立性肺小结节CT表现与病理对照分析[D];宁夏医科大学;2017年

10 张伟;CT引导下穿刺定位在肺小结节切除术中的应用[D];青岛大学;2017年

本文编号：2883666