深度学习辅助诊断系统在胸片的应用研究:气胸及肺结节检测
目的 评估基于深度学习的计算机辅助诊断系统(DL-CAD)的X线胸片气胸及肺结节检出效能,以及DL-CAD辅助对医师诊断效能的影响.方法 搜集经CT扫描证实的80例气胸及100例肺结节患者的X线胸片.将所有胸片上传至DL-CAD以及PACS系统.气胸及肺结节的胸片各由两名低年资放射医师(小于5年诊断经验)及两名高年资医师(大于10年诊断经验)分别采取独立阅片、DL-CAD辅助阅片方式对所有胸片进行判读,共有八名医师参与.记录每例患者的判读所需时间,计算两种阅片方式的敏感度、假阳性数,利用单因素方差分析评估不同级别医师利用两种阅片方式判读所需时间的差别,使用x2检验评估不同阅片方式的肺结节诊断的敏感度、假阳性数.结果 在肺结节、气胸的诊断效率方面,DL-CAD均在≤40 s的时间内完了检测,检测用时低于低年资医师,与高年资医师相当.相比于独立阅片组,利用DL-CAD辅助阅片的高、低年资医师的平均诊断气胸所用时间分别减少约52.28%、43.02%,平均诊断肺结节所用时间分别减少42.67%、34.92%.在诊断质量方面,DL-CAD对气胸检出的敏感度为97.5% (78/80),与高、低年资放射科医师的敏感度均无显著性差异.在DL-CAD辅助阅片下,两组医师的诊断敏感度均为100%.在诊断肺结节方面,DL-CAD检出154个真阳性结节,显著高于独立阅片的低年资医师(127个,P=0.014),略低于高年资医师(165个,P=0.299).利用DL-CAD辅助阅片的低、高年资医师的敏感度分别为65.45%、76.02%,高出独立阅片的低、高年资医师13.82%、8.95%,假阳性数也更低,分别为28个、14个,提示DL-CAD对高、低年资医师在肺结节检测上均有帮助,且降低了不同经验医师的诊断差异.结论 DL-CAD系统具有良好的胸片气胸及肺结节检测能力,利用DL-CAD辅助诊断可以显著提高放射医师的诊断质量及诊断效率,降低不同经验医师的诊断差异.
X线摄影、气胸、肺结节、计算机辅助诊断
40
R197.32;R47;R737.9
2021-05-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
252-257