目的 评估基于深度学习算法的计算机辅助检测系统(CAD),在低剂量胸部CT中肺结节检出能力.方法 95例低剂量胸部CT纳入观察CAD,1名低年资医师(5年工作经验)、1名高年资医师(10年以上)分别独立阅片,对比CAD与医师检出总灵敏度、以及不同密度、大小及位置分组中灵敏度差异,计算CAD假阳性率.结果 三者共检出结节149个,总灵敏度及实性结节组灵敏度,CAD与低、高年资医师无统计学差异(69％&66％、60％,P=0.389;64％&71％、65％,P=0.620);亚实性结节组及纯磨玻璃密度结节组,CAD灵敏度分别为83％、83％,显著高于低年资医师(55％,P=0.005;55％,P=0.010),与高年资医师差异不显著(60％,P=0.021;58％,P=0.018).直径＜4mm组,CAD灵敏度31％,显著低于低年资医师(80％,P＜0.001)及高年资医师(41％,P=0.001);直径≥4mm及≥6mm组,CAD灵敏度分别为89％、98％,明显高于低年资医师(59％,P＜0.001;71％,P=0.009)及高年资医师(70％,P=0.003;71％,P=0.009);直径＞8mm组,三者灵敏度无明显差异(P=0.222).肺外周部及中央部结节,三者检出灵敏度无统计学差异(外周部P =0.599、中央部P=0.087).CAD假阳性0.65个/例.结论 基于深度学习的CAD系统在低剂量胸部CT肺结节检出总灵敏度与医师相当,4mm及以上结节CAD检出灵敏度明显高于放射医师,且伴

作者：孟晓燕；顾慧；王锡明；朱海峰；张莹

来源：医学影像学杂志 2019 年 29卷 12期