曹晓欢，王升平，薛忠

1.上海联影智能医疗科技有限公司，上海 200235；2.复旦大学附属肿瘤医院 放射诊断科，上海 200032

引言

随着并行计算能力的提升和医疗大数据的发展，人工智能（Artificial Intelligence，AI）辅助诊断得到越来越快的开发和应用，例如，肿瘤辅助诊断的准确率较传统方法有了较大提高。目前，肺结节检测的敏感性超过了90%[1-2]，结节分类准确性超过80%[3]，良恶性判别准确性接近70%[4]。AI深度学习使用多层卷积结构的非线性变换进行数据处理，是机器学习的重要组成部分。这些模型通过建立与人脑相似的神经网络[5-8]，用监督或无监督学习和分层特征提取方式来替代手工特征提取，实现医学影像自动分析，辅助医生对疾病完成高精度诊断[1,3-4,9-10]。

胸部CT由于具有较高的空间分辨率、扫描速度快等特点，被广泛应用于临床诊断，已经成为胸部疾病诊断的首选影像学方法。在肺癌及肺结节筛查、肺炎、阻塞性肺疾病、气道疾病、纵隔疾病、肺实变、空腔、纤维条索影、钙化及心血管疾病等方面[1-2,4,9-11]，AI在检出、分期及疗效评估中都已经起到了无法替代的作用。但是胸部CT阅片工作量大，一个三甲医院一天的CT检查量可达到上千例，按每个病例的薄层CT图像300幅计算，每天需要医生阅读的就有十几甚至几十万层图像。由于影像科医生工作量不断攀升，持续过度负荷导致影像科医生视觉疲劳，可能存在潜在的漏诊及错诊隐患。

目前，深度学习在胸部疾病检查中主要用于肺结节检测、良恶性鉴别、肺癌分期以及治疗疗效评估等[1-2,4,9-10]，最近也有学者用深度学习构建评估阻塞性肺疾病及肺间质性疾病严重程度的模型[12]。……