胸部增强CT不同重组算法深度学习诊断肺结节良恶性

摘要

目的 探讨不同重组算法CT增强深度学习对肺结节良恶性诊断的差异性.方法 收集从2018年1月～2019年1月40例肺结节患者的CT增强扫描资料.用不同的重组算法(B30f和B70f)重组1 mm薄层CT图像.所有病例均经手术病理证实,其中良性结节10例,恶性30例.每个结节用深度学习智能辅助诊断系统(InferRead Lung CT Research,Infervision,Beijing,China)分析其恶性概率值(0～100％),在B30f和B70f重组算法下,记录每个结节的恶性概率值,并与病理结果 进行比较.计算不同重组算法良恶性结节诊断符合率的ROC曲线下面积(AUC).结果 B30f重组对良恶性结节的诊断符合率分别为42.86％和90.00％;B70f重组对良恶性结节的诊断符合率分别为44.44％和86.67％.同时,与B30f(AUC为0.473)相比,B70f预测所有病变的AUC为0.704.结论 应用DL-CAD系统,B70f重组对良恶性肺肿瘤的检出率明显提高.利用基于不同的重组算法增强CT图像DL诊断系统有助于发现和预测不同恶性风险的肺结节.