目的 通过人工智能自动识别结合DenseNet网络模型CT检查手段,探讨其在亚实性肺结节患者诊断中应用价值.方法 选取2018年6月～2019年12月入本院经CT检查的亚实性肺结节患者98例,其中直径≤10 mm组患者32例,10 mm<直径≤20 mm组患者33例,直径>20 mm组患者33例,将所有患者实施高分辨的CT诊断,并将CT检查数据录入基于DenseNet网络深度学习的人工智能系统,把控人工智能影像诊断的训练数据集质量,由人工智能组和人工读片组分别对所有患者进行良恶性的诊断,比较分析人工智能对肺结节不同直径患者的CT平扫、增强动脉期及延迟期中的CT值、体积及恶性概率的预测值,测试诊断方面的敏感度、特异性以及符合率.结果 CT扫描对肺结节不同直径患者CT值、体积以及恶性概率的预测值差异均有统计学意义(P<0.05);直径≤10 mm患者中,人工智能组的敏感度达94.61％,特异性(93.12％)和符合率(92.08％)均高于传统人工读片组(P<0.05);10 mm<直径≤20 mm和直径>20 mm患者中,人工智能组的诊断敏感度与人工读片组间差异无统计学意义(P>0.05),但诊断特异性及符合率均高于人工读片组(P<0.05).结论 人工智能识别结合DenseNet网络模型CT可对肺结节识别的敏感度及特异性较高,平扫CT可辅助预测肺结节恶性概率,可辅助临床医生诊断,提高工作效率.

人工智能;DenseNet网络;肺结节;诊断

何舜东;胡子良;欧阳林;张梦珊

联勤保障部队第909医院(厦门大学附属东南医院) 放射诊断科,福建 漳州 363000;联勤保障部队第909医院(厦门大学附属东南医院) 肿瘤放疗科,福建 漳州 363000

分子影像学杂志

[1]何舜东;胡子良;欧阳林;张梦珊-.人工智能识别结合DenseNet网络模型CT在亚实性肺结节诊断中应用)[J].分子影像学杂志,2022(02):248-251

人工智能识别,DenseNet,亚实性肺结节,智能自动,自动识别,月入,本院,中直,检查数据,数据录入,人工智能系统,影像诊断,训练数据集,工读,读片,良恶性,不同直径,平扫,动脉期,恶性概率,测试诊断,符合率,传统人工,诊断敏感度,临床医生,提高工作效率

0.229138