深度学习模型在螺旋CT图像上区分良性和恶性肺结节的有效性
Dongquan Liu1, Yonggang Zhao1, Bangquan Liu2
1Radiology Department, Ninghai First Hospital Medicare and Health Group, Ningbo, China.
概括
一个深度学习算法在分类肺结节方面表现有前途,在区分良性病例和恶性病例方面比放射科医生更高的准确性. 这种人工智能工具可以提高肺结节的临床诊断.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 放射学 放射学是一门学科.
背景情况:
- 肺结节是常见的肺病变,分为良性或恶性.
- 准确的区分对于有效的临床诊断和患者管理至关重要.
研究的目的:
- 评估深度学习 (DL) 算法的临床价值和诊断性能,用于分类肺结节.
- 为了比较DL模型的准确性与人类放射科医生在区分良性和恶性结节的准确性.
主要方法:
- 开发了一种DL模型,使用120名患者的胸部螺旋CT扫描对肺结节进行细粒度分类.
- 将DL方法的诊断准确度,灵敏度和特异性与医生的诊断准确度进行比较,使用病理学结果作为黄金标准.
- 计算了接收器操作特征 (ROC) 曲线和曲线下的面积 (AUC) 值.
主要成果:
- 基于DL的方法比放射科医生 (分别为0.62和0.75) 实现了更高的AUC (0.81用于患者差异化,0.90用于结节差异化).
- DL模型的准确性 (73.33%),灵敏度 (78.75%),和特异性 (62.50%) 比医生诊断 (63.33%,66.25%,57.50%) 的准确性有所提高.
结论:
- 基于DL的方法在螺旋CT上的良性和恶性肺结节的区分方面显示了与放射科医生的可比的诊断性能.
- 这项研究强调了人工智能在提高肺结节诊断的准确性和效率方面的潜力.
