基于深度學習的周圍型肺小腺癌CT圖像計算機輔助診斷初步研究
摘要：目的：通過探討基于深度學習的計算機輔助診斷系統（DL—CAD）對醫師識別周圍型肺小腺癌基本征象的輔助作用，初步評估DL-CAD在周圍型肺小腺癌診斷中的應用價值。方法：回顧性分析經病理證實的周圍型肺小腺癌152例，由一名主治影像醫師閱讀CT圖像，記錄惡性征象，然后參考DL-CAD軟件的標記，再次判定惡性征象，比較此醫師應用DL-CAD前后對于周圍型肺小腺癌惡性征象識別敏感度的差異。結果：在應用DL-CAD前后，影像醫師對周圍型肺小腺癌征象識別總體敏感度分別為88．0％和94．0％，差異有統計學意義（P=0．001）；對分葉征、空泡征、血管集束征、毛刺征、胸膜凹陷征識別敏感度分別提高3．6％、5．5％、9．1％、10％、3．1％，其中對血管集束征（P=0．008）和毛刺征（P=0．031）的識別敏感度差異有統計學意義；對不同直徑（P=0．044）、病灶密度（P=0．031）及病理類型（P=0．035）周圍型肺小腺癌的征象識別敏感度差異有統計學意義。結論：DL-CAD對于輔助影像醫師識別直徑≤10mm、磨玻璃密度及病理分類為原位腺癌的周圍型肺小肺癌征象具有一定價值，其中對于血管集束征和毛刺征判斷價值最大。
注: 保護知識產權,如需閱讀全文請聯系中國醫學計算機成像雜志社
相關推薦
更多
