深度卷积神经网络对≤3 cm的亚实性肺腺癌CT图像病理学分型预测的可视化研究

摘要：

目的·研究卷积神经网络(convolutional neural network,CNN)根据CT图像对≤3cm的亚实性肺腺癌病理分类的可行性,并通过CNN激活区可视化分析预测分类的医学影像基础.方法·随机纳入200个经免疫组化染色证实为肺腺癌的亚实性肺结节,标注为浸润前病变(含非典型腺瘤样增生和原位腺癌)、微浸润腺癌和浸润性腺癌.160个(80％)用于训练CNN模型,40个(20％)用于模型验证和激活区可视化分析.激活区的影像特征定义为14种CT征象.结果·CNN对肺腺癌病理分类的准确性为87.5％.可视化分析发现CNN激活区主要关注浸润前病变的非实性成分(43.0％)和光滑边缘(20.2％),关注微浸润腺癌的毛刺边缘(18.3％),关注浸润性腺癌的实性成分(18.9％)和毛刺边缘(14.1％).结论·CNN能根据CT图像对肺腺癌病理分型进行分类预测,CNN激活区的可视化能提示诊断的医学影像基础.

关键词：卷积神经网络、CT、肺腺癌

所属期刊栏目：39

分类号：R445.4(诊断学)

资助基金：科技部国际合作项目;上海市教育委员会高峰高原学科建设计划;上海市科学技术委员会项目;上海交通大学转化医学交叉研究基金;上海市第一人民医院临床研究创新团队建设项目

在线出版日期：2020-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1045-1051