基于CT的深度学习模型在甲状腺结节良恶性鉴别中的应用

• 作者: 于霞 张恩东 张鸣 王洪杰
• 来源期刊: 中国中西医结合影像学杂志
• 关键词: 甲状腺结节 人工智能 诊断,鉴别 体层摄影术,X线计算机
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能影像学
• 页码范围: 195-197
• 页数: 3页
• 字数: 2286字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0512.2020.02.026

摘要

目的:构建和验证一个用于CT自动识别甲状腺结节的深度学习模型,旨在提高CT医师对甲状腺结节的诊断水平.方法:从医院数据库中选取经手术病理证实的甲状腺结节患者672例,选取330例(其中恶性280例,良性病变50例)用于深度学习模型的训练,余342例用于模型验证,同时再由3名不同年资的CT医师进行诊断,并统计相关结果.结果:深度学习模型用于甲状腺结节的诊断准确率91.8％、敏感度84.5％、特异度87.8％,每例诊断时间为(0.30±0.02)s,均优于3名医师(均P＜0.05).结论:深度学习模型用于甲状腺结节的诊断具有较高的准确率、特异度和敏感度,可辅助CT医师实时诊断甲状腺结节.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于霞	山东省威海市妇幼保健院超声科二科	9	5	1.0	2.0
2	张恩东	山东省威海市妇幼保健院耳鼻喉头颈外科	3	1	1.0	1.0