基于卷积神经网络的超声影像甲状腺结节良恶性预测研究

• 作者: 于霞 张恩东 王洪杰
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: 甲状腺结节 良恶性预测 卷积神经网络 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 医学工程技术
• 页码范围: 23-25
• 页数: 3页
• 分类号: R581|R445.1|R318
• 字数: 1991字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2020.01.006

摘要

目的 探讨深度学习在甲状腺结节良恶性鉴别诊断中的应用价值.方法 利用卷积神经网络,对2659例匿名患者和480例测试患者的超声甲状腺结节进行图像采集、建模,对甲状腺结节良恶性进行预测,以术后病理结果 为标准进行验证.结果超声医师的阳性预期率为84.3％,阴性预期率为90.5％,诊断敏感性为95.1％,诊断特异性为83.1％.深度学习阳性预期率为87.2％,阴性预期率为93.1％,诊断敏感性为97.4％,诊断特异性为87.3％.结论 基于深度学习的卷积神经网络的预测方法具有高的诊断敏感性、诊断效率、诊断特异性,能够有效地预测甲状腺超声图像中的结节,并能判定其良恶性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张恩东	威海市妇幼保健院耳鼻喉头颈外科	7	8	2.0	2.0
2	王洪杰	威海市妇幼保健院医疗设备科	10	14	2.0	3.0
3	于霞	威海市妇幼保健院超声二科	9	14	2.0	3.0