基于深度学习的人工智能诊断系统在不同重建参数下对肺结节的识别研究

摘要：

目的 评估不同重建算法对人工智能(AI)识别肺结节的影响.方法 搜集行常规胸部CT扫描患者82例,采用3种不同重建算法:软组织算法(B10)、标准算法(B31)、高分辨率算(B70)获得数据.首先确立金标准,随后用人工智能(AI)肺结节诊断系统分别对3种重建算法的图像进行结节识别,记录结节密度、大小,不同重建算法下肺结节总数、真阳数并计算AI对肺结节识别的敏感度.使用卡方检验比较不同算法下AI识别肺结节是否存在差异.结果 AI在B31重建算法下识别实性肺结节的敏感度最高,达92.0％.在B31重建算法下AI对肺结节的识别与B10、B70相比差异有统计学意义.AI在B31重建算法下识别实性肺结节数与B10、B70组相比差异有统计学意义.在B10、B70算法下AI对钙化结节识别有差异性(P＜0.05).在B10、B31算法下AI识别≤4 mm肺结节与B70相比有差异性(P＜0.05).在B31算法下识别＞4 mm肺结节与B10、B70之间相比有差异性(P＜0.05).结论 基于AI深度学习的肺结节检测软件具有较高灵敏度.重建算法对AI识别不同密度、不同大小肺结节有影响.

关键词：计算机体层摄影、肺结节、重建算法、人工智能

所属期刊栏目：39

分类号：TP277;TP391.41;R774.5

资助基金：宁夏医科大学校级项目XM2020188

在线出版日期：2021-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2203-2206