目的 分析基于声像图的深度残差网络ResNet模型自动诊断肾囊肿的效能.方法 收集3 670例患者的肾脏超声资料,其中2 024例超声诊断肾囊肿、1 646例肾脏正常,每例选取2幅肾脏声像图,共以7 340幅肾脏声像图构建数据集;以其中6 294幅(3 238幅肾囊肿、3 056幅正常肾)为训练集,1 046幅(810幅囊肿、236幅正常肾)为测试集,分别采用梯度方向直方图(HOG)+支持向量机(SVM)方法及3种深度残差网络ResNet模型(ResNet18、ResNet34、ResNet50)进行诊断.以超声诊断结果为金标准,计算并比较4种方法诊断测试集肾囊肿的敏感度、特异度及准确率,并绘制受试者工作特征(ROC)曲线,获得曲线下面积(AUC).结果 ResNet34、ResNet50模型诊断测试集肾囊肿的敏感度、特异度及准确率均高于HOG+SVM方法及ResNet18模型(P均＜0.01),且ResNet50模型的特异度和准确率均高于ResNet34模型(P均＜0.05).ROC曲线显示,HOG+SVM方法及ResNet18,ResNet34,ResNet50模型自动诊断肾囊肿的 AUC 分别为0.731[95％CI(0.691,0.771)]、0.754[95％CJ(0.715,0.792)]、0.851[95％CI(0.819,0.884)]及0.892[95％CI(0.865,0.920)].结论 基于声像图的深度残差网络ResNet模型可自动诊断肾囊肿,以ResNet50模型效果最佳.

肾疾病;囊性;超声检查;深度学习;残差网络ResNet

湖南省第二人民医院超声科,湖南长沙 410000;中国人民解放军国防科技大学智能科学学院,湖南长沙 410073

[1]莫莹君;郭瑞斌-.基于声像图深度残差网络ResNet模型自动诊断肾囊肿)[J].中国介入影像与治疗学,2022(04):221-224

声像图,深度残差网络,自动诊断,肾囊肿,肾脏超声,超声诊断,训练集,测试集,梯度方向直方图,ResNet18,ResNet34,ResNet50,诊断结果,金标准,诊断测试,受试者工作特征,HOG+SVM,CJ,肾疾病,囊性,超声检查

0.188756