基于DenseNet网络深度学习法CT图像人工智能分析技术判断肺结节良恶性

发布时间：2021-02-18 10:23

　　目的:通过与单纯人工阅片进行比较,探讨基于DenseNet网络深度学习的人工智能肺结节自动检测系统鉴别肺结节良恶性的价值和优势。方法:搜集2015年1月-2017年12月本院510例肺结节CT检查病例,由医师组（按照从事胸部CT诊断的年限分为高级医师组和初级医师组）和人工智能组（基于DenseNet网络深度学习的人工智能系统）分别对所有肺结节进行良恶性的诊断,以病理结果为金标准,分别统计各组在不同大小肺结节（直径≤10 mm、10 mm<直径≤20 mm以及直径>20 mm）良恶性诊断上的敏感度、特异度及符合率,并通过卡方检验进行统计分析。结果:在510例肺结节的诊断中,人工智能组诊断敏感度（93.14%）与高级医师组（91.14%）间差异无统计学意义（P>0.05）,与初级医师组（61.43%）间的差异具有统计学意义（P=0.000）;而诊断特异度（95.63%）及符合率（93.92%）均高于医师组（初级56.25%、59.80%;高级58.75%、80.98%）,差异均有统计学意义（P=0.000）。在≤10 mm的肺结节中,人工智能组的诊断敏感度、特异度及符合率... 

【文章来源】：放射学实践. 2020,35(04)北大核心

【文章页数】：5 页

【部分图文】：

直径<10mm肺结节的薄层CT 图像。 a)右上肺原位癌(箭),AI组诊断正确,而初级和高级医师组均误诊为良性结节;b)右上肺微浸润性癌(箭),AI组诊断正确,而初级和高级医师组均误诊为良性结节;c)左上肺浸润性癌(箭),AI组诊断正确,而初级和高级医师组均误诊为良性结节。

图1 直径<10mm肺结节的薄层CT 图像。 a)右上肺原位癌(箭),AI组诊断正确,而初级和高级医师组均误诊为良性结节;b)右上肺微浸润性癌(箭),AI组诊断正确,而初级和高级医师组均误诊为良性结节;c)左上肺浸润性癌(箭),AI组诊断正确,而初级和高级医师组均误诊为良性结节。表4 三个诊断组10mm<直径≤20mm结节的诊断结果及组间比较 诊断指标 AR1组 AR2组 AI组 ARI组 vs. AR2组 AI组 vs. ARI组 AI组 vs. AR2组 χ2值 P值 χ2值 P值 χ2值 P值 敏感度 70.42% 95.77% 92.25% 32.492 0.000 22.292 0.000 1.564 0.211 特异度 43.33% 51.67% 98.33% 0.835 0.361 43.926 0.000 34.844 0.000 符合率 62.38% 82.67% 94.06% 20.881 0.000 59.507 0.000 12.737 0.000

【参考文献】：
期刊论文
[1]深度学习技术对胸部X线平片亚实性结节的检测效能初探[J]. 刘凯,张荣国,涂文婷,范丽,邓昱枫,望云,李琼,萧毅,刘士远.  中华放射学杂志. 2017 (12)
[2]HRCT常见恶性征象对孤立性肺结节的定性诊断[J]. 李辉,阚晓婧,宁培刚,陈翠云,冯敢生.  放射学实践. 2014(12)
[3]计算机辅助检测系统在低剂量肺癌筛查结节检出中的应用价值[J]. 唐威,王建卫,吴宁,黄遥,蔡强,赵世俊,徐晓娟.  中华放射学杂志. 2012 (07)
[4]计算机辅助诊断在肺结节中的应用进展[J]. 王晓华,马大庆.  中华放射学杂志. 2006(04)
[5]45例肺结节CT扫描灶周影像研究[J]. 奚日泉,谢道海,胡春洪,陈学仁,康苏亚,丁乙.  临床放射学杂志. 2000(04)
[6]肺内小结节的影像诊断和处理[J]. 鄂林宁,马大庆.  中华放射学杂志. 2009 (03)



本文编号：3039426