论文部分内容阅读
第一部分基于非负稀疏模型的计算机辅助检测系统在CT图像肺结节检出中的应用价值目的:评价计算机辅助检测(computer-aided detection,CADe)系统在CT图像肺结节检测中的应用价值。方法:回顾性收集200例健康人胸部CT图像以及80例患者(包含96个肺结节)胸部CT图像。计算机辅助检测系统模型建立基于非负稀疏模型学习。从200例健康人胸部CT图像中随机选取100例数据作为CADe模型的训练集,剩余100例健康人胸部CT图像和80例患者胸部CT图像作为测试集。由六位不同水平放射科医师(两位高年资医师,两位中年资医师和两位低年资医师)分别在不使用和使用计算机辅助检测系统的情况下对测试集肺结节进行检测。用迈克尼马尔检验法对每位医师使用与不使用CADe情况下肺结节检测效能进行评价。结果:96个结节中,CADe系统成功检测出了89个结节,平均每个病例伴有0.09个假阳性结节。在CADe系统辅助下,六位放射科医师发现结节的平均敏感度由87.3%提高到96.9%,其中低年资医师发现结节的平均敏感度由77.6%提高到94.8%,中年资医师发现结节的平均敏感度由89.1%提高到97.9%,高年资医师发现结节的平均敏感度由95.3%提高到97.9%。62(64.6%)个结节被所有医师发现。两个结节所有医师均未发现而被CADe系统检测到。结论:我们的研究表明我们的计算机辅助检测系统有助于提高医师CT图像肺结节的检测效能。第二部分基于残差网络模型的计算机辅助诊断系统在判断CT图像肺结节良恶性中的应用价值目的:研究计算机辅助诊断(computer-aided diagnosis,CADx)系统对于CT图像肺结节良恶性判别的诊断效能和对不同经验水平的放射科医师关于CT图像肺结节良恶性判别的辅助诊断效能。方法:从四家不同医院回顾性收集879例患者的胸部CT图像,其中包含857个恶性结节(601例患者,299例男性,302例女性)以及426个良性结节(278例患者,170例男性,108例女性)。选取745个恶性结节和370个良性结节作为基于Res Net(Residual Network,残差网络)计算机辅助诊断系统的训练集,余下的112个恶性结节和56个良性结节作为测试集。受试者包括两位高年资胸部放射医师,两位中年资胸部放射医师跟两位低年资放射科住院医师。每位受试者分别在不使用及使用CADx系统的情况下对每个肺结节进行良恶性判别。用受试者工作特征曲线(Receiver operating characteristic,ROC)分析每位受试者的肺结节良恶性诊断效能。结果:建立了基于ResNet的CADx系统,当CADx系统判断肺结节良恶性阈值选择为0.58时,所得准确率最高,为90.5%,相应的敏感度与特异度分别为93.8%、83.9%。在CADx系统辅助下,所有受试者的平均ROC曲线下面积(Az值)由原来的0.913增加到0.938。每位受试者在CADx辅助下评价肺结节良恶性所得Az值较单独评价肺结节良恶性所得Az均有显著提高。受CADx系统影响,所有受试者平均有15.7次正确改分和2次错误改分。结论:本实验开发的基于ResNet的CADx系统在肺结节良恶性判别方面具有较高的诊断效能,同时能够显著提高不同经验水平放射科医师对于CT肺结节良恶性判别的诊断效能。