赵正凯，梁 勇，周建收，李建林，李 娅， 程绍玲

(1. 成都市第三人民医院 放射科，四川 成都 610031；2. 大连医科大学附属第二医院 放射科，辽宁 大连 116027)

肺癌的发病率和死亡率较高，是对人类健康和生命威胁最大的恶性肿瘤之一[1]。既往研究发现早期肺癌可表现为磨玻璃结节(ground glass nodule，GGN)[2]，因此在大量胸部影像中检出并正确诊断GGN是当前医患共同的迫切需求。近年来越来越广泛应用的高分辨胸部CT 筛查使GGN的检出率显著提高，可实现肺癌早诊早治，降低死亡率，但影像科医师的工作负担日益加重。基于深度学习的人工智能(artificial intelligence, AI)已应用于高分辨胸部CT，其对GGN的快速检出和定性，可帮助医师减少工作量，但AI的准确性目前研究较少。本研究旨在探讨基于深度学习的AI在胸部CT磨玻璃结节检测及良恶性诊断中的应用价值。

1 资料与方法

1.1 研究对象

收集2018年6月至2020年6月于成都市第三人民医院术前行胸部高分辨CT检查，并行胸腔镜手术切除肺GGN的患者共123例，共切除154枚GGN。其中男性35例，女性88例，年龄27～81岁，平均年龄(57.8±11.3)岁。

排除标准：(1)严重运动伪影；(2)间质性肺病、纤维化；(3)肺炎；(4)肺水肿。

1.2 CT扫描方法

采用Philips Brilliance iCT 256 层螺旋 CT，管电压120 kV，管电流39 mAs，螺距0.8，层厚8 mm，使用标准算法重建1.5 mm层厚轴位图像。采用西门子16排CT扫描仪，管电压120 kV，管电流自动调整，螺距1.2，层厚10 mm，使用标准算法重建1.5 mm层厚轴位图像。Philips Brilliance iCT 256 层螺旋 CT扫描75例共切除94枚GGN；西门子16排CT扫描48例共切除60枚GGN。

1.3 肺结节检测及标准认定

基于深度学习模型的AI软件由图玛深维医疗公司提供，将123例胸部高分辨CT薄层……