背景與目的肺癌是目前國內(nèi)外發(fā)病率及致死率最高的癌癥,使用計算機斷層掃描（computed tomography, CT）篩查肺癌結(jié)節(jié)工作量巨大。通過人工智能深度學(xué)習(xí),在1 mm及5 mm層厚的胸部CT中,利用計算機人工智能自動尋找肺癌結(jié)節(jié),以測試人工智能在肺癌自動識別中的效果。方法分別標(biāo)注5 mm及1 mm層厚的T1期肺癌患者胸部CT片各5,000例,進(jìn)行計算機神經(jīng)網(wǎng)絡(luò)學(xué)習(xí),形成肺部結(jié)節(jié)的算法,利用人工智能形成的算法測試1 mm及5 mm層厚的T1期肺癌患者胸部CT片各500例,同人類讀片進(jìn)行比較,測試敏感性及特異性。結(jié)果利用人工智能讀取5 mm的胸部CT 500例,敏感度達(dá)95.20%,特異性達(dá)93.20%,兩次重復(fù)讀取的Kappa值達(dá)0.926,1。對于1 mm的胸部CT 500例測試,敏感性為96.40%,特異性為95.60%,兩次重復(fù)讀取的Kappa值為0.938,6。而與5位醫(yī)師相比,對1mm層厚的相同驗證集CT片進(jìn)行讀片,人工智能與人工讀片對于肺癌結(jié)節(jié)和陰性對照讀片的檢測率相似,兩者之間比較無顯著差異。而在5 mm層厚的相同驗證集CT片比較中,人工智能對肺癌結(jié)節(jié)的檢出數(shù)優(yōu)于... 

【文章來源】：中國肺癌雜志. 2019,22(05)北大核心CSCD

【文章頁數(shù)】：5 頁

【文章目錄】：
1 資料與方法
    1.1 研究對象
    1.2 研究方法
        1.2.1 設(shè)備名稱
        1.2.2 人工標(biāo)記
        1.2.3 肺癌結(jié)節(jié)的識別特征及分類規(guī)則學(xué)習(xí)
        1.2.4 評價指標(biāo)
    1.3 統(tǒng)計學(xué)處理
2 結(jié)果
    2.1 人工智能檢測方法的真實性評價
    2.2 人工智能檢測方法的可靠性評價
    2.3 將人工智能檢測與人工讀片進(jìn)行比較
3 討論


【參考文獻(xiàn)】：
期刊論文
[1]肺癌低劑量CT篩查中結(jié)節(jié)的分類與處理[J]. 柳學(xué)國,李坤煒,陳歡,高潔冰,梁明柱.  放射學(xué)實踐. 2017(01)
[2]中國肺部結(jié)節(jié)分類、診斷與治療指南（2016年版）[J]. 周清華,范亞光,王穎,喬友林,王貴齊,黃云超,王新允,吳寧,張國楨,鄭向鵬,步宏.  中國肺癌雜志. 2016(12)
[3]低劑量螺旋CT肺癌篩查專家共識[J].   中華放射學(xué)雜志. 2015 (05)
[4]胸部低劑量CT篩查肺癌的是與非[J]. 張國楨,白春學(xué).  中華結(jié)核和呼吸雜志. 2015 (04)
[5]低劑量螺旋CT在肺癌篩查中的應(yīng)用價值[J]. 張勇,洪群英,施偉斌,區(qū)嘉賢,楊達(dá)偉,胡潔,白春學(xué),曾蒙蘇,陳剛.  中華醫(yī)學(xué)雜志. 2013 (38)



本文編號：3392523