人工智能肺结节诊断系统对亚实性肺结节良恶性的预测
目的 评价人工智能(AI)肺结节影像诊断系统预测亚实性结节(SN)恶性概率值的效能.方法 搜集2017年至2019年经手术及病理结果证实的142个SN,将结节分为原位癌组、浸润性腺癌组、炎性结节组.将患者术前CT检查数据导入AI肺结节诊断系统,记录系统测量的SN的体积、平均CT值、能量值、恶性概率值.比较三组SN在CT平扫、增强扫描动脉期及延迟期中的体积、CT值、能量值及恶性概率值,并对平扫、动脉期及延迟期扫描的各组数据进行配对样本检验.分析根据各期CT图像对各组SN恶性概率值与CT值、体积、能量的相关性.结果 共纳入142个SN,其中1组为42个,2组为75个,3组为25个.AI系统对三组SN平扫、动脉期、延迟期所检测恶性概率值分别为1组中9.5(7,84.25)％、89 (79.75,90)％、89 (68.25,90)％;2组中84(26,89)％、89(85,90)％、89(85,90)％;3组中16(9,79)％、79(19,89)％、70(22,89)％,三组SN在扫描各期的恶性概率值均存在统计学差异(P＜0.01).三组SN在扫描各期的CT值、体积、能量值均存在统计学差异(P＜0.001),3组间两两比较均存在统计学差异,每组内平扫与动脉期、平扫与延迟期均存在统计学差异(P＜0.001),动脉期与延迟期比较差异均无统计学差异(P＞0.05).CT扫描各期的CT值及体积、能量值对SN的恶性概率值均呈正相关(P均＜0.01).结论 AI肺结节辅助诊断系统提供的一些参数,可以为医师对良恶性结节的鉴别提供一定的帮助.
人工智能、肺结节、肺癌、诊断
41
2022-03-28（万方平台首次上网日期，不代表论文的发表时间）
共4页
265-268
