论文部分内容阅读
目的
探讨基于卷积神经网络（CNN）构建的人工智能辅助诊断模型在乳腺结节良恶性超声鉴别诊断中的应用价值。
方法利用CNN构建的人工智能辅助诊断模型，从首都医科大学附属北京同仁医院超声影像数据库中调取2006年12月至2017年7月1 351例乳腺结节患者（良性807例，恶性544例）的7 334张超声图像，分成训练集（6 162张）、验证集（555张）和测试集（617张），对人工智能辅助诊断模型进行训练、验证及测试。将诊断模型测试集输出结果与病理结果对照，计算人工智能辅助诊断模型的敏感性、特异性和准确性。
结果经过对测试集中617张图像进行测试，每个结节的模型诊断结果可自动输出，结节位置、良恶性诊断和良恶性概率值结果均以矩形框标示出，每个结节诊断时间约为4 s。该诊断模型对于乳腺结节良恶性诊断的灵敏度为84.1%，特异度为95.0%，准确率为91.2%。
结论基于CNN构建的人工智能辅助诊断模型在乳腺结节超声良恶性鉴别诊断中取得了令人满意的结果，具有良好应用前景。