目的:探究低、高年資影像科醫(yī)師借助人工智能（AI）軟件對(duì)肺結(jié)節(jié)檢測(cè)效能的提升效果,以評(píng)估基于深度學(xué)習(xí)（3D卷積神經(jīng)網(wǎng)絡(luò)模型）的AI軟件對(duì)肺結(jié)節(jié)輔助診斷的臨床應(yīng)用價(jià)值。方法:隨機(jī)抽取2019年1月至2019年10月在大連大學(xué)附屬中山醫(yī)院放射科行胸部CT平掃發(fā)現(xiàn)肺結(jié)節(jié)的患者206例,共計(jì)肺結(jié)節(jié)數(shù)目1690個(gè),其中男性84例（占40.8%）,女性122例（占59.2%）,平均年齡（51.5±14.8）歲。將2名經(jīng)驗(yàn)豐富（從事胸組報(bào)告審核15年以上）的放射科醫(yī)師對(duì)206例患者胸部CT檢出肺結(jié)節(jié)的一致性意見(jiàn)作為“金標(biāo)準(zhǔn)”,再分別由兩名低年資規(guī)培醫(yī)師及兩名高年資住院醫(yī)師在獨(dú)立情況下對(duì)206例胸部CT上的肺結(jié)節(jié)進(jìn)行檢測(cè),并記錄下結(jié)節(jié)的最大直徑、位置、密度及每例CT的檢測(cè)時(shí)間等相關(guān)信息。經(jīng)過(guò)14天洗脫期后,由相同的低、高年資醫(yī)師（各兩名）在AI軟件輔助下,再次對(duì)206例胸部CT上的肺結(jié)節(jié)進(jìn)行重復(fù)檢測(cè),并標(biāo)注和記錄下目標(biāo)肺結(jié)節(jié)的相關(guān)信息（同上）。將所有的肺結(jié)節(jié)按照直徑（（27）3.0mm、≥3.0mm）、位置（胸膜下結(jié)節(jié)、血管旁結(jié)節(jié)、其他位置結(jié)節(jié)）、密度（實(shí)性、亞實(shí)性、鈣化）進(jìn)一步分類處理。將低、高年資... 

【文章來(lái)源】：遵義醫(yī)科大學(xué)貴州省

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)模型InferRead6.0軟件工作界面

遵義醫(yī)科大學(xué)碩士學(xué)位論文劉金沙23圖5圖6圖5右肺下葉外基底段支氣管斷面局部管壁增厚、擴(kuò)張，低年資醫(yī)師獨(dú)立閱片時(shí)誤認(rèn)為肺結(jié)節(jié)（假陽(yáng)性）；圖6左肺下葉外基底段靠近膈肌處的局部肺組織膨脹不全改變，低年資醫(yī)師結(jié)合AI前后均誤認(rèn)為肺結(jié)節(jié)（假陽(yáng)性）。圖7A圖7B圖7C圖7右肺下葉后基底段胸膜局部呈結(jié)節(jié)樣增厚，鄰近肺組織局部受壓呈淡磨玻璃影，冠、矢狀位（B、C）重建示病灶與鄰近胸膜寬基底相連，低、高年資醫(yī)師使用AI軟件后均假陽(yáng)性。

遵義醫(yī)科大學(xué)碩士學(xué)位論文劉金沙23圖5圖6圖5右肺下葉外基底段支氣管斷面局部管壁增厚、擴(kuò)張，低年資醫(yī)師獨(dú)立閱片時(shí)誤認(rèn)為肺結(jié)節(jié)（假陽(yáng)性）；圖6左肺下葉外基底段靠近膈肌處的局部肺組織膨脹不全改變，低年資醫(yī)師結(jié)合AI前后均誤認(rèn)為肺結(jié)節(jié)（假陽(yáng)性）。圖7A圖7B圖7C圖7右肺下葉后基底段胸膜局部呈結(jié)節(jié)樣增厚，鄰近肺組織局部受壓呈淡磨玻璃影，冠、矢狀位（B、C）重建示病灶與鄰近胸膜寬基底相連，低、高年資醫(yī)師使用AI軟件后均假陽(yáng)性。

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)計(jì)算機(jī)輔助檢測(cè)在低劑量胸部CT中肺結(jié)節(jié)檢出能力評(píng)估[J]. 孟曉燕,顧慧,王錫明,朱海峰,張瑩.  醫(yī)學(xué)影像學(xué)雜志. 2019(12)
[2]人工智能輔助診斷肺結(jié)節(jié)的臨床價(jià)值研究[J]. 李甜,李曉東,劉敬禹.  中國(guó)全科醫(yī)學(xué). 2020(07)
[3]肺癌危險(xiǎn)因素研究現(xiàn)狀[J]. 高冬青,王家林.  中華腫瘤防治雜志. 2019(21)
[4]基于三維卷積神經(jīng)網(wǎng)絡(luò)肺結(jié)節(jié)深度學(xué)習(xí)算法模型臨床效能初步評(píng)估[J]. 王祥,李清楚,邵影,鄒勤,孫安,陳彥博,陳如譚,高耀宗,劉士遠(yuǎn),蕭毅.  放射學(xué)實(shí)踐. 2019(09)
[5]人工智能+醫(yī)學(xué)影像在肺結(jié)節(jié)檢測(cè)中的應(yīng)用研究[J]. 王杜春,任龍,劉寧川,楊柳,何杰.  影像研究與醫(yī)學(xué)應(yīng)用. 2019(16)
[6]基于深度學(xué)習(xí)的人工智能胸部CT肺結(jié)節(jié)檢測(cè)效能評(píng)估[J]. 李欣菱,郭芳芳,周振,張番棟,王卿,彭志君,蘇大同,范亞光,王穎.  中國(guó)肺癌雜志. 2019(06)
[7]人工智能識(shí)別技術(shù)在T1期肺癌診斷中的臨床應(yīng)用研究[J]. 劉曉鵬,周海英,胡志雄,金權(quán),王靜,葉波.  中國(guó)肺癌雜志. 2019(05)
[8]基于深度學(xué)習(xí)的醫(yī)學(xué)圖像肺結(jié)節(jié)檢測(cè)[J]. 劉迪,王艷嬌,徐慧.  微電子學(xué)與計(jì)算機(jī). 2019(05)
[9]基于CT薄層影像特征的肺結(jié)節(jié)良惡性評(píng)估[J]. 張艷,呂發(fā)金,褚志剛,李琦,畢秋,姜雪,鄭伊能.  中國(guó)醫(yī)學(xué)影像學(xué)雜志. 2019(03)
[10]中國(guó)臨床腫瘤學(xué)會(huì)肺癌診療指南（2018版）更新解讀[J]. 李東航,姚頤,耿慶.  臨床外科雜志. 2019(01)



本文編號(hào)：3602764