论文摘要
目的探索CT图像重建算法对于基于深度学习(DL)的肺结节检测算法的影响。方法选取298例接受肺部CT检查患者,依次采用肺窗重建、纵隔重建、骨窗重建3种算法重建CT图像。先由2名主治医师对入组病例进行标注,结果不一致时由1名高年资医师进行审核,以结果作为金标准。以深度神经网络为基础构建肺结节检测算法,与医师标注结果进行比对,得到算法在不同重建方法下检出肺结节的敏感度、准确率、F分数等指标以及模型检出的假阳性分布,对比分析模型在不同CT图像重建算法下的诊断效果。结果基于DL的肺结节检测算法在肺重建、纵隔重建和骨重建3种重建方法下的敏感度分别为92.33%(313/339)、86.97%(287/330)及92.73%(319/344),准确率分别为23.55%(313/1 329)、37.91%(287/757)及27.84%(319/1 146),F分数分别为0.38、0.53及0.43,3种算法重建下模型检出敏感度、模型误检结节类型与医师漏标结节类型差异均无统计学意义(P均>0.05)。结论基于DL的肺结节检测算法在肺窗、纵隔和骨窗重建下均性能优良,能帮助医生提高工作效率和诊断质量。
论文目录
文章来源
类型: 期刊论文
作者: 刘珍娟,傅迎霞,张羽,彭飞,张宗军
关键词: 肺结节,深度学习,重建算法,体层摄影术,线计算机
来源: 中国医学影像技术 2019年12期
年度: 2019
分类: 医药卫生科技
专业: 临床医学,肿瘤学,特种医学
单位: 南京中医药大学附属中西医结合医院放射科江苏省中医药研究院
分类号: R734.2;R730.44
DOI: 10.13929/j.1003-3289.201909048
页码: 1775-1779
总页数: 5
文件大小: 2198K
下载量: 211