基于深度学习的周围型肺小腺癌CT图像计算机辅助诊断初步研究

摘要

目的:通过探讨基于深度学习的计算机辅助诊断系统(DL-CAD)对医师识别周围型肺小腺癌基本征象的辅助作用,初步评估DL-CAD在周围型肺小腺癌诊断中的应用价值.方法:回顾性分析经病理证实的周围型肺小腺癌152例,由一名主治影像医师阅读CT图像,记录恶性征象,然后参考DL-CAD软件的标记,再次判定恶性征象,比较此医师应用DL-CAD前后对于周围型肺小腺癌恶性征象识别敏感度的差异.结果:在应用DL-CAD前后,影像医师对周围型肺小腺癌征象识别总体敏感度分别为88.0％和94.0％,差异有统计学意义(P=0.001);对分叶征、空泡征、血管集束征、毛刺征、胸膜凹陷征识别敏感度分别提高3.6％、5.5％、9.1％、10％、3.1％,其中对血管集束征(P=0.008)和毛刺征(P=0.031)的识别敏感度差异有统计学意义;对不同直径(P=0.044)、病灶密度(P=0.031)及病理类型(P=0.035)周围型肺小腺癌的征象识别敏感度差异有统计学意义.结论:DL-CAD对于辅助影像医师识别直径≤10mm、磨玻璃密度及病理分类为原位腺癌的周围型肺小肺癌征象具有一定价值,其中对于血管集束征和毛刺征判断价值最大.