卷积神经网络在辅助胸部数字X线图像质量控制工作的应用价值

• 作者: 刘哲 张向利 曾强 李延寿 杨健 董阿梅 贾晓茜 赵志富 郭建新 黄鸿
• 来源期刊: 西安交通大学学报（医学版）
• 关键词: 人工智能 卷积神经网络 机器学习 胸部DR 质量控制
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 临床研究
• 页码范围: 784-788
• 页数: 5页
• 分类号: R445.4|TP181
• 语种: 中文
• DOI: 10.7652/jdyxb201905023

摘要

目的 探讨卷积神经网络在胸部数字X线(digital radiology,DR)图像质量控制(quality control,QC)工作中的应用价值.方法 纳入不同机器拍摄的胸部DR图像1 618张进行分级标记,其中1 294张作为训练集用于卷积神经网络,324张作为测试集用于检测效果;将检测结果用二分类和四分类的混淆矩阵计算敏感度、特异度、阳性预测值(positive predicted value,PPV)、阴性预测值(negative predicted value,NPV)和总准确率.结果 二分类结果:敏感度为73.53％,特异度为97.93％,PPV为80.65％,NPV为96.93％,总准确率95.37％;四分类结果的总准确率75.93％.二分类结果总准确率高于四分类结果(P＜0.05).结论 卷积神经网络可满足影像QC工作达到最低标准的要求,但要进行高级别图像质量评分和考核等管理工作,还需更大的数据集和更加细致的特征标记.