基于人工智能的纵隔淋巴结良恶性判定

摘要

目的：诊断和治疗肺癌的关键因素之一是对纵隔淋巴结的性质做出精准的判定.为了协助医生确诊纵隔淋巴结性质,提出基于人工智能的深度学习自动分析超声弹性图像性质的方法. 方法：收集211例纵隔淋巴结超声弹性图像作为研究对象,将图像进行调整尺寸大小与数据扩增等预处理后,输入到深度学习网络模型中的AlexNet模型中进行学习,构建基于AlexNet模型的自动判定纵隔淋巴结超声图像性质的系统.构建成功深度学习网络识别模型后,使用测试集验证此网络模型对纵隔淋巴结性质识别的准确性. 结果：经测试集对训练网络测试,该网络模型判定纵隔淋巴结性质的准确率可达80.56％.与传统方法相比较,使用构建的自动识别系统判定淋巴结超声弹性图像性质的准确率提高了7.57％. 结论：构建的自动识别系统与传统方法进行联合诊断是提高纵隔淋巴结判定准确率的有效手段.