深度学习计算机辅助诊断系统检测胸部DR肋骨骨折的验证性研究

摘要：

目的:验证应用深度学习算法的计算机辅助诊断(DL-CAD)系统检测胸部DR片肋骨骨折的应用价值.方法:回顾性收集110例因外伤拍摄胸部正位DR片的患者.DL-CAD系统及4名放射科主治医生(5～9年诊断经验)分别阅片,采用灵敏度、特异度、准确率指标比较两者对骨折病例的筛检效能;精准度、召回率及F1值比较两种阅片模式在骨折定位诊断中的效能;采用阅片时间评价诊断效率.结果:DL-CAD系统识别患者是否存在肋骨骨折的表现与放射科医生的平均水平相比无统计学差异,ROC曲线下面积(AUC)分别为0.824vs.0.833(P＞0.05),二者的敏感度,特异度及准确率分别为87.5％vs.88.3％、73.9％vs.69.6％和81.8％vs.80.5％,差异无统计学意义(均P＞0.05).在骨折的定位诊断方面,DL-CAD系统的诊断效能逊于放射科医生,二者的精准度、召回率及F1值分别为60.6％vs.62.1％、55.7％vs.73.1％和0.58 vs.0.67,差异有显著的统计学意义(均P＜0.05);侧肋的诊断准确率高于后肋.DL-CAD系统每例阅片时间较医生显著缩短((2.00±0.35)s vs.(108.00±6.36)s,P＜0.01).结论:DL-CAD系统可高效的进行肋骨骨折检测,在筛检骨折病例上的效能与放射科医生相当,但其骨折定位诊断能力有待进一步提升.

关键词：肋骨骨折、诊断、计算机辅助

所属期刊栏目：33

分类号：R683;R319(骨科学（运动系疾病、矫形外科学）)

资助基金：中国医科大学附属盛京医院345人才工程

在线出版日期：2022-07-04（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：430-434