人工智能识别技术在T1期肺癌诊断中的临床应用研究

发布时间：2021-09-09 17:50

　　背景与目的肺癌是目前国内外发病率及致死率最高的癌症,使用计算机断层扫描（computed tomography, CT）筛查肺癌结节工作量巨大。通过人工智能深度学习,在1 mm及5 mm层厚的胸部CT中,利用计算机人工智能自动寻找肺癌结节,以测试人工智能在肺癌自动识别中的效果。方法分别标注5 mm及1 mm层厚的T1期肺癌患者胸部CT片各5,000例,进行计算机神经网络学习,形成肺部结节的算法,利用人工智能形成的算法测试1 mm及5 mm层厚的T1期肺癌患者胸部CT片各500例,同人类读片进行比较,测试敏感性及特异性。结果利用人工智能读取5 mm的胸部CT 500例,敏感度达95.20%,特异性达93.20%,两次重复读取的Kappa值达0.926,1。对于1 mm的胸部CT 500例测试,敏感性为96.40%,特异性为95.60%,两次重复读取的Kappa值为0.938,6。而与5位医师相比,对1mm层厚的相同验证集CT片进行读片,人工智能与人工读片对于肺癌结节和阴性对照读片的检测率相似,两者之间比较无显著差异。而在5 mm层厚的相同验证集CT片比较中,人工智能对肺癌结节的检出数优于... 

【文章来源】：中国肺癌杂志. 2019,22(05)北大核心CSCD

【文章页数】：5 页

【文章目录】：
1 资料与方法
    1.1 研究对象
    1.2 研究方法
        1.2.1 设备名称
        1.2.2 人工标记
        1.2.3 肺癌结节的识别特征及分类规则学习
        1.2.4 评价指标
    1.3 统计学处理
2 结果
    2.1 人工智能检测方法的真实性评价
    2.2 人工智能检测方法的可靠性评价
    2.3 将人工智能检测与人工读片进行比较
3 讨论


【参考文献】：
期刊论文
[1]肺癌低剂量CT筛查中结节的分类与处理[J]. 柳学国,李坤炜,陈欢,高洁冰,梁明柱.  放射学实践. 2017(01)
[2]中国肺部结节分类、诊断与治疗指南（2016年版）[J]. 周清华,范亚光,王颖,乔友林,王贵齐,黄云超,王新允,吴宁,张国桢,郑向鹏,步宏.  中国肺癌杂志. 2016(12)
[3]低剂量螺旋CT肺癌筛查专家共识[J].   中华放射学杂志. 2015 (05)
[4]胸部低剂量CT筛查肺癌的是与非[J]. 张国桢,白春学.  中华结核和呼吸杂志. 2015 (04)
[5]低剂量螺旋CT在肺癌筛查中的应用价值[J]. 张勇,洪群英,施伟斌,区嘉贤,杨达伟,胡洁,白春学,曾蒙苏,陈刚.  中华医学杂志. 2013 (38)



本文编号：3392523