人工智能肺结节辅助诊断系统预测亚实性肺结节恶性概率

发布时间：2021-08-13 17:54

　　目的评价人工智能（AI）肺结节辅助诊断系统预测肺亚实性结节（SN）恶性概率的效能。方法将86例接受手术治疗SN患者分为3组:组1为浸润前病变,组2为微浸润腺癌,组3为浸润性腺癌。将术前胸部CT数据导入AI肺结节识别软件,记录其自动测量的SN的CT值、体积及恶性概率预测值。比较3组SN在CT平扫、增强动脉期及延迟期中的CT值、体积及恶性概率预测值,并对各组进行平扫与增强后配对样本检验。分析根据各期CT对各组SN恶性概率预测值与CT值及体积的相关性。结果共纳入88个SN,组1、组2和组3分别含27、28及33个SN。AI系统检测SN的敏感度为100%（88/88）。AI系统检测根据CT平扫、增强后动脉期、延迟期对组1 SN的恶性概率预测值分别为[85.18（56.64,92.08）]%、[67.15（58.99,90.30）]%和[89.82（56.64,92.23）]%,组2分别为[93.10（85.72,95.75）]%、[89.61（74.44,95.35）]%和[92.21（86.74,95.59）]%,组3分别为[97.05（92.81,98.74）]%、[96.89（90.40... 

【文章来源】：中国医学影像技术. 2020,36(04)北大核心CSCD

【文章页数】：5 页

【部分图文】：

AI系统检测SN展示图

本研究结果显示,增强CT对AI系统检测SN恶性概率总体无明显帮助。既往研究[14]提示增强后SN总体密度增加、体积增加,其内实性成分体积占比亦增加。本研究AI系统测量结果显示增强后SN密度均增高,组2及组3 SN体积减小可能是患者在各期扫描期间吸气程度不同所致,或增强后背景肺组织密度增高而影响了AI系统对SN的分割[15]。本研究的局限性：(1)样本量偏少；(2)仅选取病理结果为浸润前病变及腺癌的SN，无良性SN对照；(3)仅采用一款AI系统进行分析，有待进一步完善。

【参考文献】：
期刊论文
[1]基于深度学习的肺结节检测算法对不同大小肺结节的检出效果[J]. 王娟,唐丽丽,于明川,那曼丽,张滨.  中国医学影像技术. 2019(12)
[2]适应性统计迭代重建算法对肺部低剂量CT下计算机辅助检测系统的影响[J]. 陈疆红,靳二虎,王新莲,赵丽琴,钟朝辉,姜荣.  中国介入影像与治疗学. 2014(12)



本文编号：3340880