人工智能与不同级别医师对肺结节检出效能的对照研究

发布时间：2020-12-27 04:16

　　目的探讨基于深度学习的人工智能(AI)与不同级别医师CT肺结节检测能力的差异。资料与方法收集胸部CT平扫550例,以2名从事胸部影像诊断的主任医师共同阅片检出肺结节的数目、位置、大小为参照标准,比较A组(5名实习医师)、B组(5名住院医师)、C组(5名主治医师)、D组(AI)对肺结节的检出率、假阳性率和平均阅片时间。结果 2名主任医师共确定5520枚结节。A、B、C、D组检出率分别为40.5%、65.0%、89.4%和94.3%,差异有统计学意义(X~2=5067.866,P<0.001);假阳性率分别为20.0%、13.0%、10.0%和14.0%。D组与C组胸膜下结节检出率差异无统计学意义(X~2=0.611,P=0.434);D组外周性及中心性结节检出率明显高于其他组,差异有统计学意义(P<0.05)。D组与C组大结节检出率差异无统计学意义(X~2=2.980,P=0.084);D组中等结节及小结节检出率明显高于其他3组,差异有统计学意义(P<0.05)。4组平均阅片时间分别为(14.9±2.5)min、(6.9±2.1)min、(5.0±1.5)min、(0.... 

【文章来源】：中国医学影像学杂志. 2020年09期 北大核心

【文章页数】：4 页

【部分图文】：

AI将体外衣物误判为结节（箭），致假阳性率较高（A）；左肺下叶前基底段胸膜下磨玻璃结节（箭）容易漏诊，术后病理证实为腺癌（B)

【参考文献】：
期刊论文
[1]基于三维卷积神经网络深度学习的肺结节良恶性的鉴别诊断[J]. 王风,王磊,李囡,杨志.  中国医学影像学杂志. 2019(10)
[2]基于深度学习的人工智能胸部CT肺结节检测效能评估[J]. 李欣菱,郭芳芳,周振,张番栋,王卿,彭志君,苏大同,范亚光,王颖.  中国肺癌杂志. 2019(06)
[3]人工智能识别技术在T1期肺癌诊断中的临床应用研究[J]. 刘晓鹏,周海英,胡志雄,金权,王静,叶波.  中国肺癌杂志. 2019(05)
[4]基于人工智能的胸部CT智能辅助诊断系统在LDCT数据集上的应用研究[J]. 金文忠,陆耀,汪阳.  中国医学计算机成像杂志. 2018(05)
[5]计算机辅助工具对肺结节检测效能的研究[J]. 邵亚军,张宝荣,郭佑民,任转琴.  实用放射学杂志. 2018 (09)
[6]胸部能谱成像模式与常规CT扫描的辐射剂量及图像质量的仿真体模研究[J]. 徐秋贞,邵海磊,吕燕,郭文文.  中华放射医学与防护杂志. 2017 (12)
[7]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)
[8]计算机辅助检测系统在低剂量CT肺癌筛查中非钙化肺结节检出方法的研究[J]. 罗红兵,周鹏,青浩渺,王晓东,温子鹏,陈晓丽,任静,许国辉.  肿瘤预防与治疗. 2017(01)



本文编号：2941085