深度学习方法对周围型肺癌和肺结核球的分类初探

摘要：

目的 评价深度学习方法 对周围型肺癌和肺结核球的分类能力,同时比较了不同来源CT影像和病灶大小对最终分类结果 的影响.方法 研究数据包含了2家医院的4台不同CT机型,共114例证实为肺癌或肺结核球的金标准CT影像.对CT图像进行肺组织提取、裁剪、旋转、翻转等数据增强方法 后,生成4686张训练图像.使用改进的、基于GoogLeNet深度学习网络进行训练.结果 对总共146张训练集以外的测试图谱分类结果 显示,模型的总体分类精确率、召回率、F值分别为88.9％、77.4％、82.8％.如果测试影像和训练影像来自不同CT机型,深度学习方法 的分类能力下降(F值92.6％比74.2％).模型对病灶最长径<3cm的病灶分类能力更高(F值88.0％比73.2％).结论 深度学习方法 可以有效地鉴别周围型肺癌和肺结核球,但病灶大小以及训练集、测试集图谱来源对训练结果 有一定影响.

关键词：人工智能、计算机辅助诊断、计算机辅助分类、肺癌、肺结核球

所属期刊栏目：42

资助基金：浙江省自然科学基金- 数理医学学会联合基金;国家重点研发计划项目;浙江省重点研发计划项目;辐射物理及技术教育部重点实验室开放课题资助;浙江省医药卫生科技项目

在线出版日期：2020-05-14（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：674-678