低、高年资医师结合AI对肺结节检测效能的比较研究
发布时间:2022-01-22 19:24
目的:探究低、高年资影像科医师借助人工智能(AI)软件对肺结节检测效能的提升效果,以评估基于深度学习(3D卷积神经网络模型)的AI软件对肺结节辅助诊断的临床应用价值。方法:随机抽取2019年1月至2019年10月在大连大学附属中山医院放射科行胸部CT平扫发现肺结节的患者206例,共计肺结节数目1690个,其中男性84例(占40.8%),女性122例(占59.2%),平均年龄(51.5±14.8)岁。将2名经验丰富(从事胸组报告审核15年以上)的放射科医师对206例患者胸部CT检出肺结节的一致性意见作为“金标准”,再分别由两名低年资规培医师及两名高年资住院医师在独立情况下对206例胸部CT上的肺结节进行检测,并记录下结节的最大直径、位置、密度及每例CT的检测时间等相关信息。经过14天洗脱期后,由相同的低、高年资医师(各两名)在AI软件辅助下,再次对206例胸部CT上的肺结节进行重复检测,并标注和记录下目标肺结节的相关信息(同上)。将所有的肺结节按照直径((27)3.0mm、≥3.0mm)、位置(胸膜下结节、血管旁结节、其他位置结节)、密度(实性、亚实性、钙化)进一步分类处理。将低、高年资...
【文章来源】:遵义医科大学贵州省
【文章页数】:54 页
【学位级别】:硕士
【部分图文】:
卷积神经网络模型InferRead6.0软件工作界面
遵义医科大学硕士学位论文刘金沙23图5图6图5右肺下叶外基底段支气管断面局部管壁增厚、扩张,低年资医师独立阅片时误认为肺结节(假阳性);图6左肺下叶外基底段靠近膈肌处的局部肺组织膨胀不全改变,低年资医师结合AI前后均误认为肺结节(假阳性)。图7A图7B图7C图7右肺下叶后基底段胸膜局部呈结节样增厚,邻近肺组织局部受压呈淡磨玻璃影,冠、矢状位(B、C)重建示病灶与邻近胸膜宽基底相连,低、高年资医师使用AI软件后均假阳性。
遵义医科大学硕士学位论文刘金沙23图5图6图5右肺下叶外基底段支气管断面局部管壁增厚、扩张,低年资医师独立阅片时误认为肺结节(假阳性);图6左肺下叶外基底段靠近膈肌处的局部肺组织膨胀不全改变,低年资医师结合AI前后均误认为肺结节(假阳性)。图7A图7B图7C图7右肺下叶后基底段胸膜局部呈结节样增厚,邻近肺组织局部受压呈淡磨玻璃影,冠、矢状位(B、C)重建示病灶与邻近胸膜宽基底相连,低、高年资医师使用AI软件后均假阳性。
【参考文献】:
期刊论文
[1]基于深度学习计算机辅助检测在低剂量胸部CT中肺结节检出能力评估[J]. 孟晓燕,顾慧,王锡明,朱海峰,张莹. 医学影像学杂志. 2019(12)
[2]人工智能辅助诊断肺结节的临床价值研究[J]. 李甜,李晓东,刘敬禹. 中国全科医学. 2020(07)
[3]肺癌危险因素研究现状[J]. 高冬青,王家林. 中华肿瘤防治杂志. 2019(21)
[4]基于三维卷积神经网络肺结节深度学习算法模型临床效能初步评估[J]. 王祥,李清楚,邵影,邹勤,孙安,陈彦博,陈如谭,高耀宗,刘士远,萧毅. 放射学实践. 2019(09)
[5]人工智能+医学影像在肺结节检测中的应用研究[J]. 王杜春,任龙,刘宁川,杨柳,何杰. 影像研究与医学应用. 2019(16)
[6]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)
[7]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)
[8]基于深度学习的医学图像肺结节检测[J]. 刘迪,王艳娇,徐慧. 微电子学与计算机. 2019(05)
[9]基于CT薄层影像特征的肺结节良恶性评估[J]. 张艳,吕发金,褚志刚,李琦,毕秋,姜雪,郑伊能. 中国医学影像学杂志. 2019(03)
[10]中国临床肿瘤学会肺癌诊疗指南(2018版)更新解读[J]. 李东航,姚颐,耿庆. 临床外科杂志. 2019(01)
本文编号:3602764
【文章来源】:遵义医科大学贵州省
【文章页数】:54 页
【学位级别】:硕士
【部分图文】:
卷积神经网络模型InferRead6.0软件工作界面
遵义医科大学硕士学位论文刘金沙23图5图6图5右肺下叶外基底段支气管断面局部管壁增厚、扩张,低年资医师独立阅片时误认为肺结节(假阳性);图6左肺下叶外基底段靠近膈肌处的局部肺组织膨胀不全改变,低年资医师结合AI前后均误认为肺结节(假阳性)。图7A图7B图7C图7右肺下叶后基底段胸膜局部呈结节样增厚,邻近肺组织局部受压呈淡磨玻璃影,冠、矢状位(B、C)重建示病灶与邻近胸膜宽基底相连,低、高年资医师使用AI软件后均假阳性。
遵义医科大学硕士学位论文刘金沙23图5图6图5右肺下叶外基底段支气管断面局部管壁增厚、扩张,低年资医师独立阅片时误认为肺结节(假阳性);图6左肺下叶外基底段靠近膈肌处的局部肺组织膨胀不全改变,低年资医师结合AI前后均误认为肺结节(假阳性)。图7A图7B图7C图7右肺下叶后基底段胸膜局部呈结节样增厚,邻近肺组织局部受压呈淡磨玻璃影,冠、矢状位(B、C)重建示病灶与邻近胸膜宽基底相连,低、高年资医师使用AI软件后均假阳性。
【参考文献】:
期刊论文
[1]基于深度学习计算机辅助检测在低剂量胸部CT中肺结节检出能力评估[J]. 孟晓燕,顾慧,王锡明,朱海峰,张莹. 医学影像学杂志. 2019(12)
[2]人工智能辅助诊断肺结节的临床价值研究[J]. 李甜,李晓东,刘敬禹. 中国全科医学. 2020(07)
[3]肺癌危险因素研究现状[J]. 高冬青,王家林. 中华肿瘤防治杂志. 2019(21)
[4]基于三维卷积神经网络肺结节深度学习算法模型临床效能初步评估[J]. 王祥,李清楚,邵影,邹勤,孙安,陈彦博,陈如谭,高耀宗,刘士远,萧毅. 放射学实践. 2019(09)
[5]人工智能+医学影像在肺结节检测中的应用研究[J]. 王杜春,任龙,刘宁川,杨柳,何杰. 影像研究与医学应用. 2019(16)
[6]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)
[7]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)
[8]基于深度学习的医学图像肺结节检测[J]. 刘迪,王艳娇,徐慧. 微电子学与计算机. 2019(05)
[9]基于CT薄层影像特征的肺结节良恶性评估[J]. 张艳,吕发金,褚志刚,李琦,毕秋,姜雪,郑伊能. 中国医学影像学杂志. 2019(03)
[10]中国临床肿瘤学会肺癌诊疗指南(2018版)更新解读[J]. 李东航,姚颐,耿庆. 临床外科杂志. 2019(01)
本文编号:3602764
本文链接:https://www.wllwen.com/shoufeilunwen/mpalunwen/3602764.html
最近更新
教材专著