目的:探討人工智能（AI）對肺磨玻璃結(jié)節(jié)（GGN）篩查及定性的臨床應(yīng)用價值。方法:搜集行胸部CT平掃的200例患者（共1230個GGN）,比較A組（住院醫(yī)師）、B組（AI）、C組（住院醫(yī)師結(jié)合AI）對診斷GGN的敏感度、誤判率、漏診率、陽性預(yù)測值和平均診斷時間。將其中經(jīng)手術(shù)病理證實的137例GGN患者按其病理結(jié)果分為良性組（54例）、惡性組（83例）,比較兩組間AI量化參數(shù)的差異,對有統(tǒng)計學(xué)差異的參數(shù)行ROC曲線分析,再以病理結(jié)果為因變量,各指標(biāo)為自變量行Logistic回歸分析。結(jié)果:B組誤診率高于A、C兩組,陽性預(yù)測值小于A、C兩組;A組漏診率高于B、C兩組,敏感度小于B、C兩組,差異均有統(tǒng)計學(xué)意義（P值均<0.05）。GGN良、惡性結(jié)節(jié)的長徑、最大面積、體積、平均CT值、最大CT值和惡性概率差異均有統(tǒng)計學(xué)意義（P值均<0.05）,對各參數(shù)行ROC曲線分析,曲線下面積（AUC）均大于0.7,Logistic回歸分析顯示長徑和最大面積是GGN惡變的獨(dú)立危險因素。結(jié)論:AI協(xié)助醫(yī)生閱片可明顯提高肺GGN檢出敏感度,并可降低誤診率和漏診率,同時對GGN的良惡性預(yù)判具有一定參考... 

【文章來源】：放射學(xué)實踐. 2019,34(09)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
材料與方法
    1.研究對象
    2.CT掃描方法
    3.圖像分析處理
    4.統(tǒng)計學(xué)分析
結(jié) 果
    1.肺GGN檢出情況比較
    2.良惡性肺GGN患者的一般臨床特征及AI定量參數(shù)比較
    3.診斷效能分析
討 論


【參考文獻(xiàn)】：
期刊論文
[1]實習(xí)醫(yī)師以共同閱片和第二閱片者模式使用計算機(jī)輔助檢測系統(tǒng)在低劑量CT中的應(yīng)用研究[J]. 胡瓊潔,陳沖,王玉錦,胡玉娜,潘月影,楊朝霞,艾濤,孫子燕,管漢雄,夏黎明.  放射學(xué)實踐. 2018(10)
[2]計算機(jī)輔助工具對肺結(jié)節(jié)檢測效能的研究[J]. 邵亞軍,張寶榮,郭佑民,任轉(zhuǎn)琴.  實用放射學(xué)雜志. 2018 (09)
[3]MSCT在肺孤立性磨玻璃結(jié)節(jié)鑒別診斷中的價值[J]. 熊廷偉,李川,龔明福,戴書華,廖翠薇.  中華肺部疾病雜志(電子版). 2018(04)
[4]純磨玻璃密度結(jié)節(jié)肺腺癌的CT三維定量分析[J]. 曹恩濤,于紅,范麗,肖湘生,劉靖,李西.  中華放射學(xué)雜志. 2016 (12)
[5]純磨玻璃結(jié)節(jié)定量CT鑒別肺浸潤性腺癌與浸潤前病變和微浸潤腺癌[J]. 秦福兵,陸友金.  中國醫(yī)學(xué)計算機(jī)成像雜志. 2016(01)
[6]計算機(jī)輔助診斷定量分析表現(xiàn)為磨玻璃樣結(jié)節(jié)的肺原位腺癌與非典型腺瘤樣增生[J]. 矯娜,吳明祥,龔靜山,馬捷,孫黎明.  中國CT和MRI雜志. 2015(06)



本文編號：3046184