深度学习方法对周围型肺癌和肺结核球的分类初探

• 作者: 刘吉平 单国平 张华 张璐 王彬冰 白雪 胡东 贾宏远 郑光浩 陈明
• 来源期刊: 浙江医学
• 关键词: 人工智能 计算机辅助诊断 计算机辅助分类 肺癌 肺结核球
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 论著
• 页码范围: 674-678
• 页数: 5页
• 字数: 4557字
• 语种: 中文
• DOI: 10.12056/j.issn.1006-2785.2020.42.7.2019-2010

摘要

目的 评价深度学习方法 对周围型肺癌和肺结核球的分类能力,同时比较了不同来源CT影像和病灶大小对最终分类结果 的影响.方法 研究数据包含了2家医院的4台不同CT机型,共114例证实为肺癌或肺结核球的金标准CT影像.对CT图像进行肺组织提取、裁剪、旋转、翻转等数据增强方法 后,生成4686张训练图像.使用改进的、基于GoogLeNet深度学习网络进行训练.结果 对总共146张训练集以外的测试图谱分类结果 显示,模型的总体分类精确率、召回率、F值分别为88.9％、77.4％、82.8％.如果测试影像和训练影像来自不同CT机型,深度学习方法 的分类能力下降(F值92.6％比74.2％).模型对病灶最长径<3cm的病灶分类能力更高(F值88.0％比73.2％).结论 深度学习方法 可以有效地鉴别周围型肺癌和肺结核球,但病灶大小以及训练集、测试集图谱来源对训练结果 有一定影响.