基于CT的深度学习模型在甲状腺结节良恶性鉴别中的应用

发布时间：2021-02-24 13:49

　　目的:构建和验证一个用于CT自动识别甲状腺结节的深度学习模型,旨在提高CT医师对甲状腺结节的诊断水平。方法:从医院数据库中选取经手术病理证实的甲状腺结节患者672例,选取330例（其中恶性280例,良性病变50例）用于深度学习模型的训练,余342例用于模型验证,同时再由3名不同年资的CT医师进行诊断,并统计相关结果。结果:深度学习模型用于甲状腺结节的诊断准确率91.8%、敏感度84.5%、特异度87.8%,每例诊断时间为（0.30±0.02）s,均优于3名医师（均P<0.05）。结论:深度学习模型用于甲状腺结节的诊断具有较高的准确率、特异度和敏感度,可辅助CT医师实时诊断甲状腺结节。 

【文章来源】：中国中西医结合影像学杂志. 2020,18(02)

【文章页数】：3 页

【部分图文】：

基于卷积神经网络的CT甲状腺结节分类方法

【参考文献】：
期刊论文
[1]医学影像人工智能产业现状和发展需求调研报告[J]. 张惠茅,萧毅,洪楠,孙晓伟,刘玉林,刘再毅,田捷,李睿,刘士远,金征宇.  中华放射学杂志. 2019 (06)
[2]基于人工智能的CT肺结节检出临床应用及研究进展[J]. 明佳蕾,方向明.  中华放射学杂志. 2019 (06)
[3]超声计算机辅助联合造影鉴别诊断甲状腺良恶性结节的研究[J]. 原利晶,陈武,黄玉琴,叶芊君,高贵芳,尹郭林,李易凤.  中国超声医学杂志. 2019(04)
[4]基于深度学习的人工智能技术在早期胃癌诊断中的应用[J]. 王智杰,高杰,孟茜茜,杨婷,王则远,陈兴春,王东,李兆申.  中华消化内镜杂志. 2018 (08)
[5]基于深度学习的人工智能对医学影像学的挑战和机遇[J]. 刘士远,萧毅.  中华放射学杂志. 2017 (12)
[6]甲状腺超声与甲状腺功能在老年患者甲状腺良恶性结节鉴别中的价值[J]. 王瑛.  世界最新医学信息文摘. 2016(84)
[7]中国消化内镜技术发展现状[J]. 王洛伟,辛磊,林寒,王伟,钱维,樊静,马旭东,慎利亚,李方,张俊华,李兆申.  中华消化内镜杂志. 2015 (08)
[8]医学放射诊断学新进展[J]. 金征宇,薛华丹.  协和医学杂志. 2011(03)
[9]人工神经网络在图像处理中的应用[J]. 陈京水,李业勤,刘玉,蔡显圣.  中国医学装备. 2010(07)
[10]计算机辅助判别超声内镜图像诊断胰腺癌的实验研究[J]. 张敏敏,金震东,蔡哲元,余建国,李兆申.  中华消化内镜杂志. 2009 (04)



本文编号：3049465