人工智能识别结合DenseNet网络模型CT在亚实性肺结节诊断中应用

摘要：

目的 通过人工智能自动识别结合DenseNet网络模型CT检查手段,探讨其在亚实性肺结节患者诊断中应用价值.方法 选取2018年6月～2019年12月入本院经CT检查的亚实性肺结节患者98例,其中直径≤10 mm组患者32例,10 mm<直径≤20 mm组患者33例,直径>20 mm组患者33例,将所有患者实施高分辨的CT诊断,并将CT检查数据录入基于DenseNet网络深度学习的人工智能系统,把控人工智能影像诊断的训练数据集质量,由人工智能组和人工读片组分别对所有患者进行良恶性的诊断,比较分析人工智能对肺结节不同直径患者的CT平扫、增强动脉期及延迟期中的CT值、体积及恶性概率的预测值,测试诊断方面的敏感度、特异性以及符合率.结果 CT扫描对肺结节不同直径患者CT值、体积以及恶性概率的预测值差异均有统计学意义(P<0.05);直径≤10 mm患者中,人工智能组的敏感度达94.61％,特异性(93.12％)和符合率(92.08％)均高于传统人工读片组(P<0.05);10 mm<直径≤20 mm和直径>20 mm患者中,人工智能组的诊断敏感度与人工读片组间差异无统计学意义(P>0.05),但诊断特异性及符合率均高于人工读片组(P<0.05).结论 人工智能识别结合DenseNet网络模型CT可对肺结节识别的敏感度及特异性较高,平扫CT可辅助预测肺结节恶性概率,可辅助临床医生诊断,提高工作效率.

关键词：人工智能、DenseNet网络、肺结节、诊断

所属期刊栏目：45

分类号：R734.2;R814.42;TP391.41

资助基金：福建省科学技术厅区域发展项目2019Y3007

在线出版日期：2022-05-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：248-251