基于深度学习模型在乳腺结节钼靶中的应用

发布时间：2024-03-11 01:26

　　目的构建和验证一个用于乳腺结节自动识别的深度学习模型,旨在提高乳腺结节识别和诊断水平,在钼靶检查中辅助放射医师进行实时诊断。方法从数据库系统选取2013年1月至2019年1月2 813张乳腺钼靶图像,其中包括确诊单个结节1 200张,多发结节490张,用于深度学习模型训练。其他未确诊乳腺钼靶图像1 123张用于深度学习模型验证,同时提交给4名放射医师进行诊断,最后进行统计。结果根据测试对比结果,分别计算阳性预测值、阴性预测值、诊断敏感度、诊断效率和诊断特异度指标,机器学习方法在所有指标比较中都达到高年资医师水平。其中诊断敏感度比低年资放射医师高出10.39%,诊断特异度高出8.04%,诊断效率高出10.15%。结论本研究构建的深度学习模型用于乳腺结节的诊断水平与高年资放射医师相仿,可在乳腺钼靶检查中辅助放射医师进行实时诊断。机器学习方法应用于钼靶的乳腺结节的临床辅助诊断是可行的。

【文章页数】：3 页

【部分图文】：

图1乳腺结节诊断的CNN结构

根据测试对比结果，分别计算阳性预期率、阴性预期率、诊断敏感度、诊断效率和诊断特异度指标，见表1。从表1中可见，深度学习方法在所有指标比较中都达到了高年资放射医师的水平。其中诊断敏感度比低年资放射医师高出10.39%，诊断特异度高出8.04%，诊断效率高出10.15%。本研究构建的....

本文编号：3925610