典型文献
基于双路卷积神经网络在甲状腺结节良恶性鉴别诊断中的初步研究
文献摘要：
目的:考虑到甲状腺结节的三维立体形状,超声检查一般通过横切面和纵切面综合观察甲状腺结节的特征,为此我们提出了双路卷积神经网络的甲状腺结节识别模型,旨在提高甲状腺良恶性结节的鉴别诊断水平.方法:从内蒙古医科大学附属医院超声数据库中选取经手术或细针穿刺细胞学检查(FNAC)病理证实的甲状腺结节1 105枚,每个结节均提供横切图与纵切图.选取884枚结节(其中恶性结节680枚,良性结节204枚)用于深度学习模型的训练,余221枚结节(良性结节59枚,恶性结节162枚)用于测试.模型考虑甲状腺结节横切图与纵切图的特征,构建双路卷积神经网络结构.首先分别训练两路子网络,其中一条以结节横切图像输入(CNN1),另一条以相应结节的纵切图像输入(CNN2),分别用于测试,然后通过特征融合层将两类特征相加为融合特征,并利用全连接层对甲状腺结节的良恶性进行识别.以术后病理学结果为金标准,分析双路卷积神经网络与两条单路卷积神经网络模型的诊断效能及与病理结果之间的一致性.结果:双路卷积神经网络模型诊断甲状腺结节的灵敏度、特异度、准确度分别为95.68％、84.75％、92.76％,均优于单路卷积神经网络模型(均P＜0.05);CNN1与CNN2相比,灵敏度、特异度及准确度均无显著性差异(P＞0.05).双路卷积神经网络模型与病理诊断的一致性好(Kappa值=0.813,P＜0.05);CNN1、CNN2与病理诊断的一致性一般(Kappa值=0.460、Kappa值=0.521,P＜0.05).结论:双路卷积神经网络模型理论上能够更全面的提取甲状腺结节的图像特征,更拟合超声检查中的多切面扫查,此方法应用于甲状腺结节良恶性鉴别诊断中是可行的.
文献关键词：
甲状腺结节;超声检查
中图分类号：
作者姓名：
邓伟;闫诺;郑志强;张英霞
作者机构：
内蒙古医科大学附属医院超声科,内蒙古呼和浩特 010050;内蒙古大学电子信息工程学院,内蒙古呼和浩特 010050
文献出处：
引用格式：
[1]邓伟;闫诺;郑志强;张英霞-.基于双路卷积神经网络在甲状腺结节良恶性鉴别诊断中的初步研究)[J].中国临床医学影像杂志,2022(04):235-239
A类：
CNN2
B类：
双路,甲状腺结节良恶性,良恶性鉴别诊断,三维立体,超声检查,横切面,纵切面,识别模型,甲状腺良恶性结节,断水,内蒙古医科大学,大学附属医院,取经,经手,细针穿刺细胞学检查,FNAC,良性结节,深度学习模型,神经网络结构,两路,路子,子网络,CNN1,特征融合,相加,加为,融合特征,全连接层,术后病理,金标准,卷积神经网络模型,诊断效能,病理结果,病理诊断,Kappa,图像特征,多切面
AB值：
0.191225
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
