窦瑞欣 黄鹏 白永明 张晓曦 李琼

肺部肿瘤和肺部感染是最常见的两种肺部疾病，发病率及死亡率都逐年升高，准确诊断与快速治疗尤为重要。胸部X线（CXR）检查是筛查呼吸系统疾病的重要方式之一，因辐射剂量底且便于移动，广泛应用于体检、入院筛查和危重症床旁检查［1］，CXR检查结果中正常者占多数，借助人工智能（artificial intelligence，AI）及 计 算 机 辅 助 诊 断（computeraided diagnosis，CAD）技术，可以从大量检查中筛选出少量异常者，对肺癌、肺炎和肺结节等单一疾病的CXR自动诊断已有研究［2］，但在实际临床场景中对多种疾病自动分类诊断的研究目前未见报道。本研究使用CheXNet对CXR进行多分类自动诊断，探究对肺部肿瘤和肺部感染进行胸部X线辅助诊断的应用价值及临床意义。

方 法

1.研究对象

回顾性分析2018年1月—2019年9月在我院经胸部CT和临床确诊的肺部常见病患者。纳入标准：①肺部常见病患者；②所有患者均接受胸部X线和胸部CT检查，并有手术病理证实或临床明确诊断。排除非甲级胸部X线片及未确诊的肺部常见病的患者。共纳入100例，肺部肿瘤50例，肺部感染50例，其中普通X线后前位投照71例，床旁前后位投照29例，男63例，女37例，45~80岁，平均62岁。

2.研究方法

2.1 模型

采用CheXNet神经网络，使用来自ImageNet上已经训练的权重初始化模型，对网络的最后一层进行修改，用Sigmoid非线性激活函数作为输出层代替全连接层，采用SGD+Momentum的优化算法代替CheXNet中的Adam。

2.2 数据

使用由NIH Clinical Center（https：//nihcc.app.box.com/v/ChestXray-NIHCC）发布的全球最大的公共胸部X线数据集进行模型训练和验证，该数据集包含了30 805个患者112 120幅正位胸部X线图像，每一副图像都对14种胸肺部疾病进行标注，随机的对数据集进行划分，分别用于模型的训练集（97 456幅图像）、验证集（7 341幅图像）。……