目的:构建基于Faster R卷积神经网络的后前位胸部X线片异物智能检测模型,并评估模型的性能。方法:回顾性分析2019年6月至2020年3月浙江省人民医院和淳安县人民医院的成人后前位DR胸片5 567张,其中含异物胸片4 247张。分为异物训练集(2 911张异物胸片)、验证集(1 456张,733张含异物、723张无异物)和测试集(1 200张,603张含异物、597张无异物)。每张胸片的异物经过2名放射住院医师标注和1名高年资放射技师审核校正后的结果作为参考金标准。采用受试者操作特征(ROC)曲线及曲线下面积分析深度学习模型在测试集中区分胸片有无异物的效能,采用精准率-召回率曲线及平均精确度(mAP)分析模型在不同层级的稳定性。最后分析不同位置、患者性别、患者年龄对于深度学习模型的异物召回率的影响。结果:测试集中,深度学习模型诊断胸片是否含有异物的灵敏度为93.2
作者:孟宇;马之骋;阮敬儒;高阳;杨柏林;何林阳;龚向阳
来源:中华放射学杂志 2022 年 56卷 12期