目的:基于肺区CT图像最大密度投影(MIP)与深度卷积神经网络(CNN)构建慢性阻塞性肺疾病(慢阻肺)识别模型,并探讨其意义。方法:选取2010年1月—2021年5月就诊于大连医科大学附属第二医院的符合入组标准的研究对象共201例,其中慢阻肺组101例,健康对照组100例。研究对象均进行胸部薄层CT图像扫描及肺功能测试。首先,获取所有CT图像序列肺区的MIP图像;其次,以MIP图像为输入,基于改进的残差网络(ResNet)构建慢阻肺识别模型;最后,考察不同层数的ResNet模型对性能的影响。应用准确率、灵敏度、特异度、阳性预测值、阴性预测值、受试者工作特征(ROC)曲线及其下面积(AUC)评估网络的识别效能。结果:ResNet26的慢阻肺识别准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为76.1
作者:吴雅楠;齐守良;庞浩文;李梦琪;王盈熹;夏书月;王琪
来源:中华健康管理学杂志 2022 年 16卷 7期