基于声像图深度残差网络ResNet模型自动诊断肾囊肿

摘要

目的分析基于声像图的深度残差网络ResNet模型自动诊断肾囊肿的效能。方法收集3670例患者的肾脏超声资料,其中2024例超声诊断肾囊肿、1646例肾脏正常,每例选取2幅肾脏声像图,共以7340幅肾脏声像图构建数据集;以其中6294幅(3238幅肾囊肿、3056幅正常肾)为训练集,1046幅(810幅囊肿、236幅正常肾)为测试集,分别采用梯度方向直方图(HOG)+支持向量机(SVM)方法及3种深度残差网络ResNet模型(ResNet18、ResNet34、ResNet50)进行诊断。以超声诊断结果为金标准,计算并比较4种方法诊断测试集肾囊肿的敏感度、特异度及准确率,并绘制受试者工作特征(ROC)曲线,获得曲线下面积(AUC)。结果ResNet34、ResNet50模型诊断测试集肾囊肿的敏感度、特异度及准确率均高于HOG+SVM方法及ResNet18模型(P均<0.01),且ResNet50模型的特异度和准确率均高于ResNet34模型(P均<0.05)。ROC曲线显示,HOG+SVM方法及ResNet18、ResNet34、ResNet50模型自动诊断肾囊肿的AUC分别为0.731[95%CI(0.691,0.771)]、0.754[95%CI(0.715,0.792)]、0.851[95%CI(0.819,0.884)]及0.892[95%CI(0.865,0.920)]。结论基于声像图的深度残差网络ResNet模型可自动诊断肾囊肿,以ResNet50模型效果最佳。