目的:隨著深度學(xué)習(xí)技術(shù)和人工神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展,人工智能在醫(yī)學(xué)影像診斷疾病方面發(fā)揮了越來(lái)越重要的作用。比較基于深度學(xué)習(xí)技術(shù)的人工智能肺結(jié)節(jié)篩查系統(tǒng)對(duì)肺癌早期肺結(jié)節(jié)良惡性的檢測(cè)與放射科住院醫(yī)生診斷結(jié)果,評(píng)價(jià)兩者以及聯(lián)合之后對(duì)肺癌早期的診斷能力,提高住院醫(yī)師對(duì)結(jié)節(jié)良惡性的鑒別能力,為現(xiàn)有的肺結(jié)節(jié)篩查系統(tǒng)對(duì)良惡性結(jié)節(jié)的研發(fā)提供參考方向,提高早期肺癌的篩查能力以期望能夠?yàn)榛颊咛峁┰缙凇?zhǔn)確的肺結(jié)節(jié)良惡性的診斷。方法:本研究整理了石河子大學(xué)醫(yī)學(xué)院第一附屬醫(yī)院2015年1月至2018年12月所有經(jīng)纖維支氣管鏡、手術(shù)或經(jīng)皮肺部穿刺活檢具有明確病理結(jié)果的3494例患者資料,篩選病理診斷為肺癌患者997例�；卦L收集所有惡性結(jié)節(jié)患者從2013年1月到病理確診期間的胸部CT檢查,篩選與腫瘤在相同位置有肺結(jié)節(jié)的CT檢查,共計(jì)287例惡性結(jié)節(jié)作為測(cè)試集。將287例結(jié)節(jié)DICOM標(biāo)準(zhǔn)格式圖像導(dǎo)入人工智能篩查系統(tǒng)中,記錄模型檢測(cè)結(jié)節(jié)的大小、位置、惡性概率。同時(shí)將287個(gè)肺結(jié)節(jié)病例所對(duì)應(yīng)的檢查號(hào)從PACS系統(tǒng)調(diào)取CT圖像,由2名正在參加住院醫(yī)師規(guī)范化培訓(xùn)的住院醫(yī)生進(jìn)行盲法閱片,判斷測(cè)試集中肺結(jié)節(jié)的良惡性。記錄人工智能... 

【文章來(lái)源】：石河子大學(xué)新疆維吾爾自治區(qū)211工程院校

【文章頁(yè)數(shù)】：32 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
中英文對(duì)照縮略詞表
前言
材料與方法
    1.研究對(duì)象
    2.圖像采集
    3.肺結(jié)節(jié)診斷
    4.統(tǒng)計(jì)學(xué)處理
結(jié)果
    1.人工智能系統(tǒng)檢測(cè)結(jié)果
    2.住院醫(yī)師診斷結(jié)果
    3.人工智能檢測(cè)與影像醫(yī)師聯(lián)合診斷結(jié)果
    4.住院醫(yī)師單獨(dú)診斷和聯(lián)合診斷對(duì)實(shí)性結(jié)節(jié)和亞實(shí)性結(jié)節(jié)診斷結(jié)果
    5.聯(lián)合診斷與住院醫(yī)師單獨(dú)診斷結(jié)果比較
討論
    1.肺癌篩查與肺結(jié)節(jié)診斷現(xiàn)狀
    2.人工智能技術(shù)在肺癌早期肺結(jié)節(jié)診斷中的價(jià)值
    3.研究不足
結(jié)論
參考文獻(xiàn)
文獻(xiàn)綜述
    參考文獻(xiàn)
致謝
作者簡(jiǎn)介
石河子大學(xué)碩士研究生學(xué)位論文導(dǎo)師評(píng)閱表


【參考文獻(xiàn)】：
期刊論文
[1]AI對(duì)肺磨玻璃結(jié)節(jié)篩查及定性的臨床應(yīng)用研究[J]. 蔡雅倩,張正華,韓丹,黃建強(qiáng),李浚利,金文鳳.  放射學(xué)實(shí)踐. 2019(09)
[2]2015年中國(guó)惡性腫瘤流行情況分析[J]. 鄭榮壽,孫可欣,張思維,曾紅梅,鄒小農(nóng),陳茹,顧秀瑛,魏文強(qiáng),赫捷.  中華腫瘤雜志. 2019 (01)
[3]《肺結(jié)節(jié)診治中國(guó)專(zhuān)家共識(shí)（2018版）》解讀[J]. 張曉菊.  中華實(shí)用診斷與治療雜志. 2019(01)
[4]實(shí)習(xí)醫(yī)師以共同閱片和第二閱片者模式使用計(jì)算機(jī)輔助檢測(cè)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(shí)踐. 2018(10)
[5]肺結(jié)節(jié)影像人工智能技術(shù)現(xiàn)狀與思考[J]. 蕭毅,劉士遠(yuǎn).  腫瘤影像學(xué). 2018(04)
[6]基于深度學(xué)習(xí)和醫(yī)學(xué)圖像的癌癥計(jì)算機(jī)輔助診斷研究進(jìn)展[J]. 陳詩(shī)慧,劉維湘,秦璟,陳亮亮,賓果,周煜翔,汪天富,黃炳升.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(02)
[7]基于深度學(xué)習(xí)的疾病診斷[J]. 陸家發(fā),張國(guó)明,陳安琪.  醫(yī)學(xué)信息學(xué)雜志. 2017(04)
[8]中國(guó)肺部結(jié)節(jié)分類(lèi)、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(guó)楨,鄭向鵬,步宏.  中國(guó)肺癌雜志. 2016(12)
[9]從圖靈測(cè)試到深度學(xué)習(xí):人工智能60年[J]. 萬(wàn)赟.  科技導(dǎo)報(bào). 2016(07)
[10]CT計(jì)算機(jī)輔助檢測(cè)與診斷對(duì)肺癌早期診斷的應(yīng)用與進(jìn)展[J]. 曹恩濤,范麗,肖湘生.  國(guó)際醫(yī)學(xué)放射學(xué)雜志. 2016(01)



本文編號(hào)：3633868