購物車(0)
基于深度學習的肺結節檢測算法對不同大小肺結節的檢出效果
關鍵詞：結節病 肺 體層攝影術 x線計算機 深度學習
摘要：目的探討基于深度學習(DL)的肺結節檢測算法對不同大小肺結節的檢出效果。方法回顧性分析344例肺結節患者的胸部CT圖片,計算并比較基于DL的肺結節檢出模型對不同大小肺結節的檢出率(相對于醫師診斷結果),分析模型檢出假陽性結節的類別。結果344份CT圖像中,醫師共診斷710個0~30 mm肺結節。模型共檢出2495個候選肺結節,其中真陽性675個(相對于醫師診斷結果),模型對結節的檢出率為95.07%(675/710)。模型對0~4 mm肺結節的檢出率為82.80%(77/93),0~5 mm結節為90.15%(238/264),0~6 mm結節為92.94%(395/425),5~10 mm結節為97.94%(381/389),10~20 mm結節為98.21%(55/56),20~30 mm結節為100%(1/1),模型對不同大小肺結節的檢出率差異無統計學意義(χ^2=21.72,P>0.05)。模型檢出假陽性結節中,50.38%(917/1820)為醫師最初診斷漏診者,32.53%(592/1820)為血管斷面。結論DL肺結節檢出模型對肺結節的整體檢出率較高(95.07%),且不受結節大小的影響。
中國醫學影像技術雜志要求:
{1}作者簡介包括：姓名、服務單位、學歷、學位、職稱、職務等。另外，請注明通信地址、聯系電話、電子信箱。
{2}本刊實行專家盲審制度，稿件正文中不宜出現任何個人信息。
{3}一級標題用一、二、三……；二級標題用（一）、（二）、（三）……；三級標題用阿拉伯數字編號1.、2.、3.……；四級標題用（1）、（2）、（3）……。
{4}使用資料、數據、引文務求核查無誤，并注明出處、版本、頁碼。例句、引文等出處（書名、報刊名）一律用書名號，依次為：作者、書名或文章名、出版社或報刊名、時間、頁碼。
{5}來稿附中/英文摘要（200字以內）和中英文對照關鍵詞（3-5個）。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
