基于深度学习的计算机辅助诊断系统检出DR胸部正位片中的骨折

摘要：

目的 观察基于深度学习的计算机辅助诊断系统(DL-CAD)检出DR胸部正位片中骨折的效能及其对低年资放射科医师的辅助作用.方法 ①试验1:回顾性收集547例DR胸部正位片,其中361例存在胸部骨折(共983处骨折)、186例无胸部骨折,评估DL-CAD对骨折的预测性能.②试验2:随机选取试验1中的397例DR胸片,其中211例存在胸部骨折(共604处骨折)、186例无胸部骨折,记录并比较单独DL-CAD(1组)、单独低年资医师(2组)、DL-CAD辅助低年资医师(3组)、单独高年资医师(4组)的检出结果.结果 ①试验1:983处骨折中,DL-CAD识别出672处,正确识别641处,误诊31处,敏感度65.21％(641/983),F值为77.46％;361例骨折患者中,DL-CAD识别出320例,正确识别314例,误诊6例,敏感度86.98％(314/361),F值92.22％.②试验2:1、2、3、4组观察者检出骨折的敏感度分别为62.09％ (375/604)、61.59％(372/604)、86.75％(524/604)和83.44％(504/604),F值分别为75.38％、74.62％、90.74％及89.84％;3、4组检测效能均高于1、2组(P均＜0.001),而1组与2组间、3组与4组间差异均无统计学意义(P均＞0.05).结论 DL CAD对DR胸部正位片中骨折的检出效果较好,且可有效提高低年资放射科医师对胸部骨折的检出效能.

关键词：骨折、放射摄影术、胸部、X线透视检查、深度学习、计算机辅助诊断系统

所属期刊栏目：17

分类号：R683.1;R816.8(骨科学（运动系疾病、矫形外科学）)

在线出版日期：2020-12-04（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：675-678