目的:探討基于深度學習的人工智能輔助診斷系統(tǒng)關于肺磨玻璃結(jié)節(jié)(GGN)CT定量參數(shù)分析對其病理侵襲性判斷的價值,以及不同層厚與結(jié)節(jié)特征對CT肺小結(jié)節(jié)檢出效能的影響。材料與方法:納入本院2018年1月至2019年8月經(jīng)手術(shù)病理證實的肺腺癌磨玻璃結(jié)節(jié)54枚和2019年1月至2019年8月肺小結(jié)節(jié)胸部CT平掃病例200例導入人工智能軟件工作站進行分析。前者54個GGN分析后記錄的特征定量參數(shù)包括3D長徑、平均CT值、體積、最大面面積、表面積、緊湊度、球形度、熵,按照病理分型將54枚GGN分為非侵襲性病變組(AAH、AIS)和侵襲性病變組(MIA、IAC),采用SPSS及MedCalc軟件統(tǒng)計分析兩組間差異,再對有統(tǒng)計學意義的定量參數(shù)進行受試者工作特征曲線(Receiver operating characteristic curves,ROC)分析,評價其診斷GGN侵襲性的能力,同時根據(jù)最大約登指數(shù)(Youden’s index,YI)計算該定量參數(shù)的最佳診斷閾值,獲得曲線下面積、敏感度和特異度,P0.05被認為差異具有統(tǒng)計學意義。后者根據(jù)不同CT圖像層厚、結(jié)節(jié)類型、結(jié)節(jié)大小以及機型,分別記錄AI與醫(yī)師對結(jié)節(jié)的檢出情況,采用SPSS17.0統(tǒng)計學軟件進行資料錄入、整理及統(tǒng)計學分析。AI組與醫(yī)師組定性資料比較采用卡方檢驗,兩組檢測時間比較采用t檢驗,比較其檢出率、靈敏度、假陽性率以及檢出時間,P0.05為差異具有統(tǒng)計學意義。結(jié)果:1.本研究共計54枚GGN,其中pGGN34枚,mGGN20枚,非侵襲性病變組(AAH、AIS)22枚(40.74%),侵襲性病變組(MIA、IAC)32枚,分別發(fā)生于右肺上葉28枚(尖段7枚,后段11枚,前段10枚),右肺中葉5枚(內(nèi)段1枚,外段4枚),右肺下葉8枚(背段2枚,前基底段6枚),左肺上葉10枚(尖后段6枚,前段4枚),左肺下葉3枚(背段1枚,基底段2枚)。AI對54枚GGN給出診斷意見為48枚GGN高危,占比88.89%,6枚低危(pGGN 4枚,mGGN2枚),占比11.11%。2.3D長徑、平均CT值、體積、最大面面積及表面積判斷非侵襲性病變組和侵襲性病變組具有明顯統(tǒng)計學差異,3D長徑診斷侵襲性病變的最佳閾值為10.35mm,敏感性為84.37%,特異性為59.09%,(AUC=0.740,P0.05;95%CI:0.603-0.850);平均CT值的閾值為476.73Hu,敏感性為78.12%,特異性為72.73%,(AUC=0.751,P0.05;95%CI:0.615-0.859);體積的閾值為641.7 mm3,敏感性為65.62%,特異性為81.82%,(AUC=0.737,P0.05;95%CI:0.600-0.848);最大面面積的閾值為79.78 mm~2,敏感性為68.75%,特異性為77.27%,(AUC=0.736,P0.05;95%CI:0.598-0.846);表面積的閾值為365.22 mm~2,敏感性為65.62%,特異性為81.82%,(AUC=0.744,P0.05;95%CI:0.607-0.853)。3.GGN的緊湊度、球形度、熵診斷非侵襲性和侵襲性腺癌之間的差異無明顯統(tǒng)計學意義(P均0.05)。4.結(jié)果200例胸部CT共檢出真性結(jié)節(jié)755枚,其中pGGN218枚,mGGN61枚,SN476枚。AI在厚層(5mm)對于pGGN及mGGN檢出率高于薄層(1.5mm),二者經(jīng)統(tǒng)計學分析分別為,t=1.511,P=0.134,t=2.282,P=0.025;AI薄層對于SN的檢出率明顯高于厚層(t=-10.377,P0.001);AI在薄層對pGGN、mGGN及SN檢出靈敏度均明顯高于厚層,經(jīng)統(tǒng)計學分析分別為,t=-4.823,P0.001,t=-4.048,P0.001,t=-10.186,P0.001;薄層對于實性結(jié)節(jié)的假陽性率明顯高于厚層,厚層對于純磨玻璃結(jié)節(jié)及混雜磨玻璃結(jié)節(jié)的假陽性率明顯高于薄層,醫(yī)師的假陽性均為0。5.在64排CT機型及16排CT機型中AI共檢出肺小結(jié)節(jié)分別為491、627枚,二者經(jīng)統(tǒng)計學分析,t=-0.428,P=0.427,P0.05,差異無統(tǒng)計學意義;兩種機型在薄層上對肺小結(jié)節(jié)檢出均高于厚層(t=-7.925,P0.001);薄層的假陽性率明顯高于厚層(t=-2.890,P=0.004),其中16排機型假陽性率略高于64排機型。結(jié)論:1.基于人工智能CT特征定量分析(3D長徑、平均CT值、體積、最大面面積、表面積)有助于GGN侵襲性的預判,能給術(shù)前選擇及預后判斷提供更精準的影像學依據(jù)。2.CT掃描層厚會顯著影響AI對CT肺結(jié)節(jié)的檢出效能,圖像層面越厚,AI對肺小結(jié)節(jié)檢出速度越快,其漏診率相對增加,CT圖像層厚越薄,AI對肺小結(jié)節(jié)檢出率越高,其假陽性率相對增加。3.不同機型西門子64排及飛利浦16排對AI在CT肺小結(jié)節(jié)的檢出無顯著影響。
【學位單位】：成都醫(yī)學院
【學位級別】：碩士
【學位年份】：2020
【中圖分類】：R734.2
【部分圖文】：

結(jié)果12圖6圖63D長徑、平均CT值、變面積、體積、最大面面積的ROC曲線分析Fig.6ROCcurveanalysisof3Dlongdiameter,averageCTvalue,variablearea,volume,andmaximumarea2.2200例肺小結(jié)節(jié)數(shù)據(jù)分析2.2.1以密度分類的肺小結(jié)節(jié)檢出情況比較結(jié)果200例胸部CT共檢出真性結(jié)節(jié)755枚，其中pGGN218枚，mGGN61枚，實性密度結(jié)節(jié)（SN）476枚。AI在厚層（5mm）對于pGGN及mGGN檢出率高于薄層（1.5mm），二者經(jīng)統(tǒng)計學分析分別為，t=1.511，P=0.134，t=2.282，P=0.025；AI薄層對于實性結(jié)節(jié)的檢出率明顯高于厚層（t=-10.377，P<0.001）；AI在薄層對pGGN、mGGN及SN檢出靈敏度均明顯高于厚層，經(jīng)統(tǒng)計學分析分別為，t=-4.823，P<0.001，t=-4.048，P<0.001，t=-10.186，P<0.001；薄層對于實性結(jié)節(jié)的假陽性率明顯高于厚層，厚層對于純磨玻璃結(jié)節(jié)及混雜磨玻璃結(jié)節(jié)的假陽性率明顯高于薄層，醫(yī)師的假陽性均為0，明顯低于AI；具體詳見表3、表4，圖7-10。

成都醫(yī)學院專業(yè)碩士研究生論文15themGGNoftheleftlowerlobeinthe1.5mmlayerthicknessimage.Thesizeisabout0.9x0.7cm.Closelyrelatedtoadjacentbloodvessels.Fig9-2Thenodulewasnotdetectedinthe0.6mmlayerthicknessimageofAI,whichmaybeduetothethinnerlayerthicknessimageandlowerresolution,andthenodulewaslocatedinthesubpleuralareaandwasaffectedbythevolumeeffect.圖10-1圖10-1圖10-1、10-2，女性，53歲，圖10-1AI在5mm層厚圖像中右肺下葉前基底段自動標記一mGGN并提示高危，大小約0.8x0.7cm，與鄰近血管關系密切。圖10-2在1.5mm肺窗中可見該結(jié)節(jié)實則為實性結(jié)節(jié)。Fig10-1,10-2,female,53yearsold.Fig10-1AIinthe5mmlayerthicknessimageoftheanteriorbasalsegmentoftherightlowerlungautomaticallymarksamGGNandindicateshighrisk,about0.8x0.7cminsize,andadjacentbloodvessels.Closerelationship.Fig10-2Thisnodulecanbeseenasasolidnoduleina1.5mmlungwindow.2.2.2不同機型對肺小結(jié)節(jié)AI檢出情況的比較在64排CT機型及16排CT機型中AI共檢出肺小結(jié)節(jié)分別為491、627枚，真性結(jié)節(jié)分別為340、415枚，其中64排CT分別檢出pGGN74枚，mGGN32枚，SN234枚，其中16排CT分別檢出pGGN144枚，mGGN29枚，SN242枚，二者經(jīng)統(tǒng)計學分析，t=-0.428，P=0.427，P>0.05，差異無統(tǒng)計學意義；兩種機型在薄層上對肺小結(jié)節(jié)檢出均高于厚層（t=-7.925，P<0.001）；薄層的假陽性率明顯高于厚層（t=-2.890，P=0.004），其中16排機型假陽性率略高于64排機型；詳見表5。表5不同機型對肺小結(jié)節(jié)AI檢出情況的比較Table5ComparisonofAIdetectionofpulmonarynodulesbydifferentmodels分類檢出率（%）靈敏度（%）假陽性（%）
【相似文獻】

相關期刊論文 前10條

1 劉杰;;低劑量16排螺旋CT重建層厚對肺小結(jié)節(jié)檢出的影響[J];深圳中西醫(yī)結(jié)合雜志;2019年01期

2 馮盛春;;低劑量螺旋CT不同重建層厚對檢出肺小結(jié)節(jié)的影響[J];中國醫(yī)療器械信息;2018年17期

3 夏曉明;施仁忠;張亞峰;;肺小結(jié)節(jié)惡性概率預測臨床模型構(gòu)建[J];山東醫(yī)藥;2019年07期

4 王曉燕;肖繼偉;萬鈺磊;劉瑛;;多層螺旋CT對肺小結(jié)節(jié)的診斷價值分析[J];中華肺部疾病雜志(電子版);2019年02期

5 史鎖芳;;肺小結(jié)節(jié)遇上了中醫(yī),不再焦慮[J];江蘇衛(wèi)生保健;2019年09期

6 許海柱;潘永福;;潘永福教授治療孤立性肺小結(jié)節(jié)經(jīng)驗擷菁[J];時珍國醫(yī)國藥;2018年01期

7 周仲芳;龐顯倫;徐厚平;李玲;王慶穩(wěn);任莉麗;張穎;阮宇;;瀘州地區(qū)肺小結(jié)節(jié)篩查管理平臺建設研究[J];世界最新醫(yī)學信息文摘;2018年75期

8 楊娟;懷慶昀;李春霞;楊萌;;周圍型孤立性肺小結(jié)節(jié)的外科診療分析[J];中外醫(yī)學研究;2015年22期

9 ;你查出的肺小結(jié)節(jié)是癌嗎？需要關注嗎？[J];抗癌之窗;2019年06期

10 康醫(yī)生;;發(fā)現(xiàn)肺小結(jié)節(jié)要手術(shù)嗎?[J];健康生活;2017年04期

相關博士學位論文 前5條

1 周振宇;達芬奇系統(tǒng)術(shù)中超聲肺小結(jié)節(jié)定位及定性的臨床研究[D];浙江大學;2016年

2 唐玉婷;侵襲性NK細胞白血病臨床亞型特征，治療預后，以及JAK/STAT-MYC-生物合成軸激活在疾病發(fā)生中重要作用的研究[D];華中科技大學;2018年

3 王建華;基于影像組學模型對胰腺實性-假乳頭狀瘤侵襲性的預測研究[D];南京中醫(yī)藥大學;2019年

4 鐘婧;磁共振擴散峰度成像對淋巴瘤診斷、侵襲性分級及組織病理圖像特征相關性的應用研究[D];福建醫(yī)科大學;2018年

5 楊英;新發(fā)及罕見侵襲性真菌病原體的基因組研究及分子診斷[D];中國人民解放軍軍事醫(yī)學科學院;2017年

相關碩士學位論文 前10條

1 周圍;人工智能診斷GGN侵襲性及其檢出肺小結(jié)節(jié)影響因素的研究[D];成都醫(yī)學院;2020年

2 侯秋月;理氣解郁、化痰散結(jié)法治療肺小結(jié)節(jié)的臨床研究[D];南京中醫(yī)藥大學;2019年

3 王國忠;亞厘米肺小結(jié)節(jié)影像學表現(xiàn)同臨床病理的關系[D];安徽醫(yī)科大學;2019年

4 白雄雄;肺小結(jié)節(jié)患者術(shù)前與術(shù)后焦慮與抑郁的影響因素[D];大連醫(yī)科大學;2018年

5 齊一偉;CT引導下Hook-Wire定位術(shù)在肺小結(jié)節(jié)臨床應用及其并發(fā)癥發(fā)生與預防的分析研究[D];大連醫(yī)科大學;2017年

6 孫凱;周圍型孤立性肺小結(jié)節(jié)的診療分析[D];山東大學;2014年

7 周航;亞厘米GGN非小細胞肺癌射頻消融治療相關臨床分析[D];福建醫(yī)科大學;2019年

8 漆歡;孤立性肺小結(jié)節(jié)及微小結(jié)節(jié)惡性概率的預測模型初探[D];蘇州大學;2019年

9 張慧芳;孤立性肺小結(jié)節(jié)CT表現(xiàn)與病理對照分析[D];寧夏醫(yī)科大學;2017年

10 張偉;CT引導下穿刺定位在肺小結(jié)節(jié)切除術(shù)中的應用[D];青島大學;2017年

本文編號：2883666