基于深度学习的CT肺腺癌病理分类辅助诊断研究

摘要：

目的 分析基于深度学习的人工智能辅助诊断系统对直径≤3 cm肺腺癌病理分类的应用价值,并评估其预测表现.方法 回顾性分析713例经病理证实且病灶直径≤3 cm的肺腺癌患者的CT图像,按照2︰1的比例随机分为训练组和验证组,训练深度学习模型并利用验证组数据测试该模型.按照病理类型分为浸润前病变[非腺瘤样增生(AAH)及原位腺癌(AIS)]、微浸润腺癌(MIA)及浸润性腺癌(IAC)3组,分析验证组病灶的形态学征象,并自动测算出病灶的CT定量参数,按2～5级评分对肺腺癌病理类型进行预测,比较各组间参数差异.结果 在模型判断的CT定量参数中,3组间三维最大长短径、体积、最大CT值、平均CT值及预测得分差异均有统计学意义(P<0.05);形态学征象中,分叶征、毛刺征、血管集束征、胸膜凹陷征差异均有统计学意义(P<0.05);以得分>3.5分作为诊断浸润性病变的临界点,AUC=0.873,诊断敏感度81.9％,特异度84.4％.结论 基于深度学习的人工智能辅助诊断系统对鉴别≤3 cm肺腺癌的病理类型具有一定预测价值,具有较好的可重复性,可有效提高肺腺癌病理分类的准确性.

关键词：深度学习、人工智能、肺腺癌、计算机体层成像

所属期刊栏目：36

分类号：TP18;R743.2;R814.42(自动化基础理论)

资助基金：安徽省科学技术厅公益性技术应用研究联动计划项目1704f0804009

在线出版日期：2020-07-28（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：1048-1051