科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 通过人工智能自动识别结合DenseNet网络模型CT检查手段，探讨其在亚实性肺结节患者诊断中应用价值。方法选取2018年6月～2019年12月入本院经CT检查的亚实性肺结节患者98例，其中直径≤10 mm组患者32例，10 mm<直径≤20 mm组患者33例，直径>20 mm组患者33例，将所有患者实施高分辨的CT诊断，并将CT检查数据录入基于DenseNet网络深度学习的人工智能系统，把控人工智能影像诊断的训练数据集质量，由人工智能组和人工读片组分别对所有患者进行良恶性的诊断，比较分析人工智能对肺结节不同直径患者的CT平扫、增强动脉期及延迟期中的CT值、体积及恶性概率的预测值，测试诊断方面的敏感度、特异性以及符合率。结果 CT扫描对肺结节不同直径患者CT值、体积以及恶性概率的预测值差异均有统计学意义（P<0.05）；直径≤10 mm患者中，人工智能组的敏感度达94.61%，特异性（93.12%）和符合率（92.08%）均高于传统人工读片组（P<0.05）;10 mm<直径≤20 mm和直径>20 mm患者中，人工智能组的诊断敏感度与人工读片组间差异无统计学意义（P>0.05），但诊断特异性及符合率均高于人工读片组（P<0.05）。结论 人工智能识别结合DenseNet网络模型CT可对肺结节识别的敏感度及特异性较高，平扫CT可辅助预测肺结节恶性概率，可辅助临床医生诊断，提高工作效率。
- 出版日期2022
- 单位厦门大学附属东南医院
