论文部分内容阅读
目的
探讨基于深度神经网络的高分辨MRI直肠淋巴结识别系统的临床应用价值。
方法选取青岛大学附属医院2016年7月至2017年12月术前行盆腔高分辨MRI扫描且报告中明确有盆腔淋巴结转移的直肠癌患者301例，按照就诊时间顺序前201例作为学习组，后100例作为验证组。学习组男性149例，女性52例，平均年龄58.8岁；验证组男性76例，女性24例，平均年龄60.2岁。首先，利用深度学习技术及学习组的12 060张淋巴结高分辨MRI图像，在卷积神经网络下进行训练，模拟影像科医师的判断过程，从而建立了直肠癌淋巴结转移的人工智能自动识别系统。然后，对验证组的6 030张淋巴结高分辨MRI图像进行临床验证，人工智能和影像科医师同时对淋巴结转移情况作出诊断，利用受试者工作特征曲线比较两者的诊断水平。
结果经过对学习组数据的不断迭代训练，人工智能的损失函数值不断降低，诊断误差不断降低。验证组的6 030张图像，人工诊断共912张存在淋巴结转移，人工智能诊断共987张存在淋巴结转移，两者诊断结果完全相同（淋巴结位置和转移数量完全相符）的图像共772张。相比于人工诊断，人工智能诊断的曲线下面积为0.886 2，单个病例的诊断时间为10 s，而影像科医师的平均判断时间为600 s。
结论基于深度神经网络的直肠高分辨MRI淋巴结自动识别系统具有较高的准确率，且效率高，可以辅助进行临床诊断。