基于Bayes理论的计算机辅助诊断系统在孤立性肺结节CT诊断中的应用

摘要

目的：初步探讨基于Bayes理论的计算机辅助诊断(computer-aided diagnosis,CAD)系统在孤立性肺结节(solitary pulmonary nodule，SPN)CT诊断中的价值.方法：依据Bayes理论先从352例SPN训练集(恶性135例,良性217例)中求出恶性SPN的验前比及各临床和CT表现的似然比,再运用VC+ +语言编制基于Bayes理论的CAD系统,用它计算每个SPN的恶性概率,并前瞻性地检验该系统在132例SPN测试集(恶性61例,良性71例)中的诊断效能,与2位高年资和2位低年资放射科医师常规阅片的表现作比较.结果：成功构建基于Bayes理论的CAD系统,它诊断训练集SPN的敏感度、特异度和符合率分别为88.9%、93.1%、91.5%,诊断测试集SPN的敏感度、特异度、符合率、阳性预测值及阴性预测值分别为88.5%、85.9%、87.1%、84.4%、89.7%,其诊断符合率与高年资甲、乙医师比较无统计学差异(P>0.05),但高于低年资丙、丁医师(P<0.05).结论：基于Bayes理论的CAD系统可帮助医师尤其是低年资医师提高鉴别SPN良恶性质的能力,并在指导SPN的临床决策中有一定的参考作用.