作者：王风; 王磊; 李囡; 杨志孤立性肺结节肺肿瘤肺疾病体层摄影术x线计算机深度学习诊断鉴别
摘要：目的开发一种三维(3D)卷积神经网络(CNN)深度学习模型,用于鉴别诊断肺部CT图像的良、恶性结节,并预测肺结节的恶性程度。资料与方法基于3D卷积设计4种3D CNN架构以分析连续多张图片数据。提取图像特征并进行分类。使用美国癌症协会的LIDC-IDRI影像数据集进行训练、测试和验证各模型。以受试者工作特征(ROC)曲线下面积(AUC)及其准确度、敏感度和特异度表征各模型的效果。结果在肺部结节和非结节的鉴别诊断中,开发的3D CNN-3模型的ROC曲线AUC最高(0.959),同时具有最高的特异度(0.946);在肺部结节恶性程度预测能力方面,3D CNN-3模型亦获得最高的AUC(0.981),同时具有最高的灵敏度(0.936)。结论开发出3D CNN-3深度学习模型在CT图像肺部结节良恶性的鉴别诊断和恶性程度预测方面表现出良好的性能。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
