目的:评价基于深度学习框架(3D ResNet-50)的肺结核CT辅助诊断模型在活动性/非活动性肺结核鉴别诊断中的临床应用价值.方法:回顾性收集2018年1月至2020年12月期间喀什地区第一人民医院经结核分枝杆菌培养检测并接受胸部高分辨率CT平扫检查的1940例患者的病例资料,活动性肺结核患者(ATB)960例,非活动性肺结核患者(non-ATB)980例.所有数据以7:2:1的比例随机分组,用于训练、验证和测试集,使用3D Nested UNet模型预先分割肺野区域,然后使用3D ResNet-50进行分类,并收集了用于模型外部验证的外部测试集ATB 100例,non-ATB 100例.为了量化评估深度学习模型的性能,绘制ROC曲线,以曲线下面积(AUC)、准确率(ACC)、召回率(Recall)、F1分数(F1 score)作为模型评价指标,并使用类激活图来评估感兴趣的激活区域,最后,将该模型与两位放射科医生的外部测试数据进行了比较.结果:本组ATB患者比非ATB患者年龄大.结果 显示ATB患者咳嗽更多,而非ATB患者出现更多胸痛症状,差异有统计学意义(P<0.05).模型对训练集、验证集、测试集及外部验证的诊断性能AUC分别为0.970、0.951、0.933、0.942;ACC分别为0.996、0.981、0.975、0.967,Recall分别为0.989、0.953、0.951、0.952,F1 score分别为0.995、0.983、0.972、0.969.此外,3D ResNet
作者:马依迪丽·尼加提;米日古丽·达毛拉;张斌;张水兴
来源:暨南大学学报(自然科学与医学版) 2023 年 44卷 1期