基于深度学习的肺结节筛检和定性诊断分析

• 作者: 周小君 张正华 李浚利 蔡雅倩 韩丹 黄益龙
• 来源期刊: 肿瘤防治研究
• 学科: 医学
• 关键词: 人工智能 肺结节 肺癌 CT
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 临床诊断
• 页码范围: 283-287
• 页数: 5页
• 分类号: R734.2|R730.4
• 字数: 3898字
• 语种: 中文
• DOI: 10.3971/j.issn.1000-8578.2020.19.1107

摘要

目的 探讨基于深度学习的人工智能(AI)在肺结节检测和定性诊断中的临床价值.方法??收集行胸部CT平扫的250例患者.分为住院医(A组)、AI(B组)和住院医结合AI(C组)三组,比较三组对肺结节检出的误诊率、漏诊率、敏感度、阳性预测值和平均诊断时间.同时分别比较实性结节和磨玻璃结节(GGN)良恶性的AI量化参数,对有统计学差异的参数行ROC曲线分析.结果 以两名高年资主任医师共同阅片结果为参照标准,确认有2?230个结节.B组的误诊率明显高于A、C两组,阳性预测值明显小于A、C两组(P<0.05).A组的漏诊率明显高于B、C两组,敏感度明显低于B、C两组(P<0.05).B组平均诊断时间明显少于A、C两组(P<0.05).实性良、恶性结节的长径、最大面积、体积、最小CT值和恶性概率差异均有统计学意义(P<0.05),ROC曲线下面积(AUC)大于0.7的参数为:长径、最大面积、体积、恶性概率.GGN良、恶性结节的长径、最大面积、体积、平均CT值、最大CT值和恶性概率差异均有统计学意义(P<0.05),对各参数行ROC曲线分析,AUC均大于0.7.结论?AI协助阅片可明显提高工作效率和肺结节检出敏感度,并减少误诊率和漏诊率,同时AI对肺结节良恶性的预判具有一定参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩丹	昆明医科大学第一附属医院医学影像科	111	411	10.0	15.0
2	张正华	昆明医科大学第一附属医院医学影像科	21	81	4.0	8.0
3	黄益龙	昆明医科大学第一附属医院医学影像科	15	22	3.0	4.0
4	李浚利	昆明医科大学第一附属医院医学影像科	8	8	2.0	2.0
5	周小君	昆明医科大学第一附属医院医学影像科	3	0	0.0	0.0
6	蔡雅倩	昆明医科大学第一附属医院医学影像科	8	3	1.0	1.0