深度学习模型检测胸部CT肺结节的临床效能评估

摘要：

目的 评估基于深度学习(DL)的人工智能模型检测胸部CT肺结节的诊断效能.方法 回顾性收集100例胸部薄层CT扫描图像,以3名具有15年以上胸部CT诊断经验的医师分别对结节标注的结果作为金标准,采用基于DL的人工智能模型(简称DL模型)进行肺结节检测,评估DL模型总体诊断效能及其临床应用的鲁棒性.由另外3名放射医师(初级医师2名和高年资医师1名)分别进行独立阅片及DL模型辅助诊断,对比研究DL模型对放射科医师的辅助诊断作用.结果 DL模型对标注的323个结节(实性结节263个,亚实性结节40个,钙化结节20个)的检测灵敏度、阳性预测值和假阳性率分别为96.90％、0.495和3.19 FPs/Scan.DL模型对不同品牌CT扫描仪及层厚(0.625～2 mm)图像中肺结节的检测灵敏度、阳性预测值及假阳性率均无显著差异(P＞0.05),对不同类型、不同大小肺结节(＜5 mm及≥5 mm)检测的灵敏度和阳性预测值无显著差异(P＞0.05),假阳性率有显著差异(P＜0.05).与独立阅片相比,DL模型辅助3位放射医师阅片对肺结节检测的灵敏度升高(P＜0.05),初级医师1、初级医师2、高年资医师耗时分别缩短11.4 s、10.2 s和21s.结论 基于DL的人工智能辅助诊断系统对肺结节的检测不受CT设备及层厚(0.625～2 mm)的影响,可帮助放射医师提高肺结节的检出率并缩短阅片时间.

关键词：人工智能、深度学习、肺结节、检出

所属期刊栏目：37

分类号：TP18;R563(自动化基础理论)

在线出版日期：2021-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：732-735,767