本文主要研究内容
作者李欣菱,郭芳芳,周振,张番栋,王卿,彭志君,苏大同,范亚光,王颖（2019）在《基于深度学习的人工智能胸部CT肺结节检测效能评估》一文中研究指出：背景与目的肺结节精确检测是实现肺癌早诊的基础。基于深度学习的人工智能在肺内结节检测领域发展迅速,对其效能进行验证是促进其应用于临床的前提。本研究旨在评估基于深度学习技术的人工智能软件在胸部计算机断层扫描(computed tomography, CT)恶性及非钙化结节检出中的价值。方法由天津医科大学总医院自建胸部CT肺结节数据库中随机抽取200例胸部CT数据,包含病理证实的肺癌及随访结节病例,导入肺结节人工智能识别系统,记录软件自动识别结节,并与原始影像报告结果进行对比。人工智能软件及阅片者检测到的结节由2名胸部专家进行评估并记录其大小及特征。计算灵敏度、假阳性率评估人工智能软件及医师的结节检测效能,应用McNemar检验确定二者之间是否存在显著性差异。结果 200例胸部多层螺旋CT共包含非钙化结节889枚,其中肺癌结节133枚,小于5 mm结节442枚。人工智能及放射科医师肺癌检出率皆为100%。人工智能软件结节检测灵敏度明显高于放射科医师(99.1%vs 43%, P<0.001)。人工智能总体假阳性率为每例CT 4.9个,排除5 mm以下结节后降为1.5个。结论基于深度学习的人工智能软件能实现恶性肺结节的无漏诊检出,具有较医师更高的结节检出灵敏度,在排除微小结节后可降低假阳性率。
Abstract
bei jing yu mu de fei jie jie jing que jian ce shi shi xian fei ai zao zhen de ji chu 。ji yu shen du xue xi de ren gong zhi neng zai fei nei jie jie jian ce ling yu fa zhan xun su ,dui ji xiao neng jin hang yan zheng shi cu jin ji ying yong yu lin chuang de qian di 。ben yan jiu zhi zai ping gu ji yu shen du xue xi ji shu de ren gong zhi neng ruan jian zai xiong bu ji suan ji duan ceng sao miao (computed tomography, CT)e xing ji fei gai hua jie jie jian chu zhong de jia zhi 。fang fa you tian jin yi ke da xue zong yi yuan zi jian xiong bu CTfei jie jie shu ju ku zhong sui ji chou qu 200li xiong bu CTshu ju ,bao han bing li zheng shi de fei ai ji sui fang jie jie bing li ,dao ru fei jie jie ren gong zhi neng shi bie ji tong ,ji lu ruan jian zi dong shi bie jie jie ,bing yu yuan shi ying xiang bao gao jie guo jin hang dui bi 。ren gong zhi neng ruan jian ji yue pian zhe jian ce dao de jie jie you 2ming xiong bu zhuan jia jin hang ping gu bing ji lu ji da xiao ji te zheng 。ji suan ling min du 、jia yang xing lv ping gu ren gong zhi neng ruan jian ji yi shi de jie jie jian ce xiao neng ,ying yong McNemarjian yan que ding er zhe zhi jian shi fou cun zai xian zhe xing cha yi 。jie guo 200li xiong bu duo ceng luo xuan CTgong bao han fei gai hua jie jie 889mei ,ji zhong fei ai jie jie 133mei ,xiao yu 5 mmjie jie 442mei 。ren gong zhi neng ji fang she ke yi shi fei ai jian chu lv jie wei 100%。ren gong zhi neng ruan jian jie jie jian ce ling min du ming xian gao yu fang she ke yi shi (99.1%vs 43%, P<0.001)。ren gong zhi neng zong ti jia yang xing lv wei mei li CT 4.9ge ,pai chu 5 mmyi xia jie jie hou jiang wei 1.5ge 。jie lun ji yu shen du xue xi de ren gong zhi neng ruan jian neng shi xian e xing fei jie jie de mo lou zhen jian chu ,ju you jiao yi shi geng gao de jie jie jian chu ling min du ,zai pai chu wei xiao jie jie hou ke jiang di jia yang xing lv 。
论文参考文献
论文详细介绍
论文作者分别是来自中国肺癌杂志的李欣菱,郭芳芳,周振,张番栋,王卿,彭志君,苏大同,范亚光,王颖，发表于刊物中国肺癌杂志2019年06期论文，是一篇关于计算机体层成像论文,肺结节论文,深度学习论文,人工智能论文,检出论文,中国肺癌杂志2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中国肺癌杂志2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：计算机体层成像论文; 肺结节论文; 深度学习论文; 人工智能论文; 检出论文; 中国肺癌杂志2019年06期论文;