目的:评价基于深度学习卷积神经网络（convolutional neural networks，CNN）的肺结核CT辅助诊断模型在临床中的应用价值。方法:收集2017年3月至2018年3月河北省胸科医院影像科菌阳并接受胸部高分辨率CT平扫检查的1 764例患者的病例资料，其中男937例，女827例，年龄17～73岁，平均年龄38.4岁。由4名影像科医师对含病变的20 139幅CT图像进行分类标注（17种影像特征），以此作为训练数据集，构建肺结核CT图像CNN诊断模型。训练数据集数量最多的前5种影像特征依次为：浸润型肺结核、空洞型肺结核、胸膜增厚、干酪性肺炎和胸腔积液。从已标注图像中随机抽取302幅图像作为测试数据集，以2名高级职称医师的诊断为“金标准”，比较CNN诊断模型和医师在肺结核CT诊断中敏感度和准确率的差异，统计CNN诊断模型分类错误的类型、数量，并绘制自由响应受试者工作特征（FROC）曲线，以测量该模型的最大诊断效能。结果:CNN诊断模型对测试数据集中浸润型肺结核、空洞型肺结核、胸膜增厚、干酪性肺炎和胸腔积液的诊断准确率分别为：95.33
作者：吴树才；王新举；纪俊雨；耿广；章志华；侯代伦
来源：中华结核和呼吸杂志 2021 年 44卷 5期
