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