基于深度學(xué)習(xí)的CT肺腺癌病理分類輔助診斷研究
發(fā)布時(shí)間:2021-10-07 07:53
目的通過應(yīng)用基于深度學(xué)習(xí)的人工智能輔助診斷系統(tǒng)評(píng)估不同病理分類肺腺癌間CT形態(tài)學(xué)征象、定量參數(shù)及預(yù)測得分的差異,分析系統(tǒng)對(duì)直徑≤3cm肺腺癌病理分類的應(yīng)用價(jià)值并評(píng)價(jià)其預(yù)測表現(xiàn)。方法回顧性分析713例經(jīng)病理證實(shí)且病灶直徑≤3cm的肺腺癌患者的CT圖像,按照2:1的比例隨機(jī)分為訓(xùn)練組和驗(yàn)證組,各476例、237例。按照病理類型分為浸潤前病變(AAH及AIS)、微浸潤腺癌(MIA)及浸潤性腺癌(IAC)三組。采用Discovery CT750掃描機(jī)進(jìn)行低劑量胸部平掃,將掃描圖像行1.25mm薄層重建后上傳至PACS系統(tǒng)。采用融合全卷積網(wǎng)絡(luò)(FCN)、端到端的目標(biāo)檢測模型(SSD)與長短期記憶網(wǎng)絡(luò)模型(LTSM)的兩階段級(jí)聯(lián)3D-CNN模型。由3名高年資影像醫(yī)師共同標(biāo)注476例訓(xùn)練組病例的CT形態(tài)學(xué)特征,并根據(jù)肺腺癌的浸潤程度劃分4個(gè)等級(jí)。訓(xùn)練深度學(xué)習(xí)模型并利用237例驗(yàn)證組數(shù)據(jù)測試該模型,分析驗(yàn)證組病灶的CT形態(tài)學(xué)征象,并自動(dòng)測算出病灶的CT定量參數(shù),包括:結(jié)節(jié)三維最大長徑、短徑、體積以及最大CT值、最小CT值、平均CT值。按2-5級(jí)評(píng)分對(duì)肺腺癌病理類型進(jìn)行預(yù)測,比較各組間參數(shù)差異。多組間比...
【文章來源】:安徽醫(yī)科大學(xué)安徽省
【文章頁數(shù)】:57 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1兩階段級(jí)聯(lián)3D-CNN模型原理圖
安徽醫(yī)科大學(xué)碩士學(xué)位論文12灶ROI,對(duì)每例病灶形態(tài)學(xué)征象作出分析,并自動(dòng)測算出三維狀態(tài)下肺結(jié)節(jié)的CT定量參數(shù),包括:結(jié)節(jié)三維最大長短徑、體積以及最大、最孝平均CT值。按2-5級(jí)評(píng)分對(duì)肺腺癌浸潤程度進(jìn)行預(yù)測,分別與病理結(jié)果對(duì)照(見圖2-4)。圖1兩階段級(jí)聯(lián)3D-CNN模型原理圖Fig1Thetwo-stagecascade3D-CNNmodelschematicdiagram注:患者女,36歲,AIS,左肺下葉結(jié)節(jié),AI測算:長徑9.3mm,短徑6.9mm,體積334mm3,AI預(yù)測得分3分。圖2AI診斷的原位腺癌CT圖像Fig2CTimagesofadenocarcinomainsitudiagnosedbyartificialintelligence注:患者男,51歲,MIA,左肺上葉結(jié)節(jié),AI測算:長徑14.7mm,短徑12.1mm,體積1035mm3,AI預(yù)測得分4分。圖3AI診斷的微浸潤腺癌CT圖像Fig3CTimagesofmicroinvasiveadenocarcinomadiagnosedbyartificialintelligence注:患者女,54歲,IAC,右肺上葉結(jié)節(jié),AI測算:長徑18.9mm,短徑15.4mm,體積2748mm3,AI預(yù)測得分5分。圖4AI診斷的浸潤性腺癌CT圖像Fig4CTimagesofinvasiveadenocarcinomadiagnosedbyartificialintelligence2.4統(tǒng)計(jì)學(xué)分析
安徽醫(yī)科大學(xué)碩士學(xué)位論文18圖5AI測算的病灶大小指標(biāo)鑒別診斷浸潤前病變與浸潤性病變的ROC曲線分析Fig5ROCcurveanalysisforthedifferentialdiagnosisofpreinvasivelesionsandinfiltratinglesionsbysizeindexwhichcalculatedbyartificialintelligence3.5浸潤前病變與浸潤性病變之間CT值及AI預(yù)測得分ROC曲線分析對(duì)浸潤前病變與浸潤性病變之間CT值及AI預(yù)測得分繪制ROC曲線并進(jìn)行分析(見表7、圖6-7),當(dāng)病灶最大CT值>-57HU時(shí),AUC=0.805,診斷浸潤性病變的敏感度、特異度分別為79.4%、80.5%;病灶最小CT值>-497.5HU時(shí),AUC=0.44,診斷浸潤性病變的敏感度、特異度分別為66.9%、71.4%;病灶平均CT值>-740HU時(shí),AUC=0.892,診斷浸潤性病變的敏感度、特異度分別為79.3%、92.2%。當(dāng)AI預(yù)測得分>3.5分時(shí),AUC=0.873,診斷浸潤性病變的敏感度、特異度分別為81.9%、84.4%。最大、平均CT值及AI預(yù)測得分均對(duì)診斷浸潤性病變具有較好的診斷效能。
本文編號(hào):3421651
【文章來源】:安徽醫(yī)科大學(xué)安徽省
【文章頁數(shù)】:57 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1兩階段級(jí)聯(lián)3D-CNN模型原理圖
安徽醫(yī)科大學(xué)碩士學(xué)位論文12灶ROI,對(duì)每例病灶形態(tài)學(xué)征象作出分析,并自動(dòng)測算出三維狀態(tài)下肺結(jié)節(jié)的CT定量參數(shù),包括:結(jié)節(jié)三維最大長短徑、體積以及最大、最孝平均CT值。按2-5級(jí)評(píng)分對(duì)肺腺癌浸潤程度進(jìn)行預(yù)測,分別與病理結(jié)果對(duì)照(見圖2-4)。圖1兩階段級(jí)聯(lián)3D-CNN模型原理圖Fig1Thetwo-stagecascade3D-CNNmodelschematicdiagram注:患者女,36歲,AIS,左肺下葉結(jié)節(jié),AI測算:長徑9.3mm,短徑6.9mm,體積334mm3,AI預(yù)測得分3分。圖2AI診斷的原位腺癌CT圖像Fig2CTimagesofadenocarcinomainsitudiagnosedbyartificialintelligence注:患者男,51歲,MIA,左肺上葉結(jié)節(jié),AI測算:長徑14.7mm,短徑12.1mm,體積1035mm3,AI預(yù)測得分4分。圖3AI診斷的微浸潤腺癌CT圖像Fig3CTimagesofmicroinvasiveadenocarcinomadiagnosedbyartificialintelligence注:患者女,54歲,IAC,右肺上葉結(jié)節(jié),AI測算:長徑18.9mm,短徑15.4mm,體積2748mm3,AI預(yù)測得分5分。圖4AI診斷的浸潤性腺癌CT圖像Fig4CTimagesofinvasiveadenocarcinomadiagnosedbyartificialintelligence2.4統(tǒng)計(jì)學(xué)分析
安徽醫(yī)科大學(xué)碩士學(xué)位論文18圖5AI測算的病灶大小指標(biāo)鑒別診斷浸潤前病變與浸潤性病變的ROC曲線分析Fig5ROCcurveanalysisforthedifferentialdiagnosisofpreinvasivelesionsandinfiltratinglesionsbysizeindexwhichcalculatedbyartificialintelligence3.5浸潤前病變與浸潤性病變之間CT值及AI預(yù)測得分ROC曲線分析對(duì)浸潤前病變與浸潤性病變之間CT值及AI預(yù)測得分繪制ROC曲線并進(jìn)行分析(見表7、圖6-7),當(dāng)病灶最大CT值>-57HU時(shí),AUC=0.805,診斷浸潤性病變的敏感度、特異度分別為79.4%、80.5%;病灶最小CT值>-497.5HU時(shí),AUC=0.44,診斷浸潤性病變的敏感度、特異度分別為66.9%、71.4%;病灶平均CT值>-740HU時(shí),AUC=0.892,診斷浸潤性病變的敏感度、特異度分別為79.3%、92.2%。當(dāng)AI預(yù)測得分>3.5分時(shí),AUC=0.873,診斷浸潤性病變的敏感度、特異度分別為81.9%、84.4%。最大、平均CT值及AI預(yù)測得分均對(duì)診斷浸潤性病變具有較好的診斷效能。
本文編號(hào):3421651
本文鏈接:http://sikaile.net/yixuelunwen/yundongyixue/3421651.html
最近更新
教材專著