APP下载

基于DenseNet网络深度学习法CT图像人工智能分析技术判断肺结节良恶性

2020-05-07戴正行胡春洪王希明陈琦夏菁姚柳刘稳

放射学实践 2020年4期

戴正行,胡春洪,王希明,陈琦,夏菁,姚柳,刘稳

肺癌是危害人类生命健康的最常见恶性肿瘤之一。早期疾病筛查是降低肺癌死亡率的重要手段。计算机辅助诊断系统(computer aided diagnosis,CAD)是近年来应用于肺结节筛查的新技术应用,可辅助放射科医师更好地检出微小肺结节,在一定程度上可避免对可疑肺结节的漏诊[1-3]。随着人工智能(artificial intelligence,AI)技术的进步,通过深度学习算法能够提取影像图像上肺结节的主要特征,对病变性质等进行预测[4-5]。本文旨在探讨基于DenseNet网络深度学习算法的人工智能诊断系统对肺部肿瘤的诊断价值。

材料与方法

1.临床资料

回顾性分析2015年1月-2017年12月在苏州大学附属第一医院就诊的510例孤立性肺结节患者的病例资料。所有患者于术前行CT扫描,并经手术切除(309例)或穿刺活检(201例)获得病理诊断结果。

入组标准:①肺内孤立性结节,不伴有肺不张、胸腔积液等表现;②CT检查前未接受过穿刺活检和手术、放疗等相关治疗;③CT检查后一个月内行CT引导下穿刺活检或手术,获得明确的病理诊断;④有完整的临床病历记录和CT影像资料。

排除标准:①缺乏层厚1.00及以下的薄层CT图像;②CT图像上存在影响结节观察的运动伪影或金属伪影等。

所纳入的510例中男233例,女277例;年龄20~82岁,平均(58.29±10.71)岁;良性病变160例,恶性病变350例。

2.CT检查方法

所有患者行胸部CT平扫。使用GE Lightspeed 16层螺旋CT机、Siemens Somatom Sensation 64层螺旋CT机和Siemens Somatom Definition双源CT机进行扫描。扫描范围自肺尖至肺底水平,扫描参数:层厚5.0~7.0 mm,层距8.0 mm,管电压120 kV,管电流110~450 mAs。扫描结束后对病灶部位行肺窗薄层CT重建,层厚0.75~1.00 mm。……

登录APP查看全文