基于DenseNet网络深度学习的人工智能对肺结节CT诊断的应用研究

发布时间：2023-03-24 18:52

　　第一部分 基于深度学习的人工智能判断肺结节良恶性的研究目的:以单纯人工阅片为对照,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。材料和方法:收集经2015年1月至2017年12月在苏州大学附属第一医院就诊的胸部患者510例。其中良性病变160例,恶性病变350例。实验分为医师组和人工智能组。医师组指的是四名放射科医师(2名初级医师为从事胸部CT诊断工作满2年者;2名高级医师为从事胸部CT诊断工作满5年者)采用双盲法对510例患者的胸部CT图像进行良恶性诊断,主要从肺结节大小、密度、形态、边缘以及含气支气管征等方面进行诊断。人工智能组指的是将510例患者肺结节CT图像输入至DenseNet网络系统中,通过网络学习自动提取结节特征,并通过特征对结节进行分类归纳,获得肺结节的良、恶性诊断。两组之间的数据通过卡方检验进行统计分析。结果:初、高级医师组(AR组)与人工智能组(AI组)分别对510例肺结节图像进行良、恶性判断。对于160例良性肺结节诊断结果而言,AI诊断准确率显著高于AR组(p=0.000<0.05),差异具有统计学意义;初级A...

【文章页数】：46 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
前言
    参考文献
第一部分 基于深度学习的人工智能鉴别肺结节良恶性的初步研究
    1. 材料与方法
    2. 结果
    3. 讨论
    结论
第二部分 基于深度学习的人工智能对肺结节具体病变的诊断研究
    1. 材料与方法
    2. 结果
    3. 讨论
    结论
参考文献
综述
    参考文献
中英文对照缩略词表
攻读学位期间发表的论文
致谢



本文编号：3769658