基于声像图深度残差网络ResNet模型自动诊断肾囊肿

• 作者: 莫莹君 郭瑞斌
• 来源期刊: 中国介入影像与治疗学
• 学科: 医学
• 关键词: 肾疾病 囊性 超声检查 深度学习 残差网络ResNet
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 临床研究|Clinical Investigations
• 页码范围: 221-224
• 页数: 4页
• 分类号: R692.9|R445.1
• 语种: 中文
• DOI: 10.13929/j.issn.1672-8475.2022.04.007

摘要

目的 分析基于声像图的深度残差网络ResNet模型自动诊断肾囊肿的效能.方法 收集3 670例患者的肾脏超声资料,其中2 024例超声诊断肾囊肿、1 646例肾脏正常,每例选取2幅肾脏声像图,共以7 340幅肾脏声像图构建数据集;以其中6 294幅(3 238幅肾囊肿、3 056幅正常肾)为训练集,1 046幅(810幅囊肿、236幅正常肾)为测试集,分别采用梯度方向直方图(HOG)+支持向量机(SVM)方法及3种深度残差网络ResNet模型(ResNet18、ResNet34、ResNet50)进行诊断.以超声诊断结果为金标准,计算并比较4种方法诊断测试集肾囊肿的敏感度、特异度及准确率,并绘制受试者工作特征(ROC)曲线,获得曲线下面积(AUC).结果 ResNet34、ResNet50模型诊断测试集肾囊肿的敏感度、特异度及准确率均高于HOG+SVM方法及ResNet18模型(P均＜0.01),且ResNet50模型的特异度和准确率均高于ResNet34模型(P均＜0.05).ROC曲线显示,HOG+SVM方法及ResNet18,ResNet34,ResNet50模型自动诊断肾囊肿的 AUC 分别为0.731[95％CI(0.691,0.771)]、0.754[95％CJ(0.715,0.792)]、0.851[95％CI(0.819,0.884)]及0.892[95％CI(0.865,0.920)].结论 基于声像图的深度残差网络ResNet模型可自动诊断肾囊肿,以ResNet50模型效果最佳.