论文部分内容阅读
目的
评估深度学习技术对胸部X线平片（简称胸片）肺亚实性结节的检出效能。
方法由推想科技有限公司搭建平台并训练胸片深度学习模型，模型由1 965个有结节标记的胸片组成，包括85个亚实性结节，1 880个实性结节。训练集中亚实性结节为同时行胸部CT检查和胸片的肺内亚实性结节，共85个结节。以CT扫描冠状面重建图像为金标准，对胸片进行标记，输入标记后采用交替训练方法进行深度学习训练。之后纳入56个肺内亚实性结节胸片作为测试数据，其CT冠状面图像为金标准，先后评估深度学习模型和高年资训练有素的住院医师在胸片中对肺亚实性结节的检出率、假阳性率、假阴性率和所有结节的分析时间，并比较两者之间的差异。
结果测试集共56个肺亚实性结节。深度学习模型共检出72个结节，其中真阳性结节39个，假阳性结节33个，耗时17 s。高年资训练有素的住院医师共检出39个结节，其中真阳性结节31个，假阳性结节8个，耗时50 min 24 s。
结论深度学习人工智能模型能有效检出肺部的亚实性结节，从而辅助影像科医生的诊断工作，但对于假阳性结节需要进一步优化。