背景與目的肺結(jié)節(jié)精確檢測是實現(xiàn)肺癌早診的基礎(chǔ)�；谏疃葘W(xué)習(xí)的人工智能在肺內(nèi)結(jié)節(jié)檢測領(lǐng)域發(fā)展迅速,對其效能進行驗證是促進其應(yīng)用于臨床的前提。本研究旨在評估基于深度學(xué)習(xí)技術(shù)的人工智能軟件在胸部計算機斷層掃描（computed tomography, CT）惡性及非鈣化結(jié)節(jié)檢出中的價值。方法由天津醫(yī)科大學(xué)總醫(yī)院自建胸部CT肺結(jié)節(jié)數(shù)據(jù)庫中隨機抽取200例胸部CT數(shù)據(jù),包含病理證實的肺癌及隨訪結(jié)節(jié)病例,導(dǎo)入肺結(jié)節(jié)人工智能識別系統(tǒng),記錄軟件自動識別結(jié)節(jié),并與原始影像報告結(jié)果進行對比。人工智能軟件及閱片者檢測到的結(jié)節(jié)由2名胸部專家進行評估并記錄其大小及特征。計算靈敏度、假陽性率評估人工智能軟件及醫(yī)師的結(jié)節(jié)檢測效能,應(yīng)用McNemar檢驗確定二者之間是否存在顯著性差異。結(jié)果 200例胸部多層螺旋CT共包含非鈣化結(jié)節(jié)889枚,其中肺癌結(jié)節(jié)133枚,小于5 mm結(jié)節(jié)442枚。人工智能及放射科醫(yī)師肺癌檢出率皆為100%。人工智能軟件結(jié)節(jié)檢測靈敏度明顯高于放射科醫(yī)師（99.1%vs 43%, P<0.001）。人工智能總體假陽性率為每例CT 4.9個,排除5 mm以下結(jié)節(jié)后降為1.5個。結(jié)論基于深度學(xué)習(xí)... 

【文章來源】：中國肺癌雜志. 2019,22(06)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

右肺下葉部分實性結(jié)節(jié)，與細支氣管相連，直徑10.7mm，距胸膜43.3mm，影像醫(yī)師漏診，AI實現(xiàn)檢測

中國肺癌雜志2019年6月第22卷第6期ChinJLungCancer,June2019,Vol.22,No.6·339·圖1右肺下葉部分實性結(jié)節(jié)，與細支氣管相連，直徑10.7mm，距胸膜43.3mm，影像醫(yī)師漏診，AI實現(xiàn)檢測。Fig1Apart-solidnodulelocatedinrightlowerlobe,connectedtothebronchioles,10.7mmindiameter,43.3mmfarfromthepleura,missedbyradiologist,butdetectedbyAI.圖2右肺上葉花環(huán)狀小葉核心結(jié)構(gòu)，AI假陽性。Fig2Centrilobularnoduleswithagarlandshapelocatedinrightupperlobe,falsepositivecasebyAI.圖3右肺下葉增厚、擴張的細支氣管，AI假陽性。Fig3Thickened,dilatedbronchioleslocatedinrightlowerlobe,falsepositivecasebyAI.假陽性結(jié)節(jié)的學(xué)習(xí)尚有欠缺。AI作為當前科學(xué)技術(shù)發(fā)展中的一門廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域的前沿學(xué)科，對肺結(jié)節(jié)進行檢測是人工智能醫(yī)療發(fā)展的方向[7,8]。深度學(xué)習(xí)是通過構(gòu)建深層網(wǎng)絡(luò)結(jié)構(gòu)進行多層次特征學(xué)習(xí)的人工智能方法，對比傳統(tǒng)的計算機輔助檢測系統(tǒng)（computer-aideddetection,CAD）系統(tǒng)具有優(yōu)勢。本研究所采用的軟件基于三維卷積神經(jīng)網(wǎng)絡(luò)（3D-convolutionalneuralnetwork,3D-CNN）利用深度學(xué)習(xí)進行目標檢測，能夠充分利用肺結(jié)節(jié)的空間三維信息[9]。深度學(xué)習(xí)模型對肺門區(qū)、胸膜下區(qū)及非實性結(jié)節(jié)的檢出能力明顯提高[10,11]，對實性結(jié)節(jié)的敏感度比文獻報道中更高[12,13]。深度學(xué)習(xí)模型有較快的運算速度，隨著經(jīng)驗的不斷積累、模型的不斷迭代，其診斷敏感度及準確性也會不斷上升，而且假陽性也會得到控制。本研究的局限性在于數(shù)據(jù)集病例數(shù)選擇標準基于回顧性的病例選取，病例均為醫(yī)師發(fā)現(xiàn)的病例，臨床中漏診的病例無法通過回顧性病例選擇獲得，因此存在一定的選擇性偏倚。綜上所述，基于深度學(xué)?

中國肺癌雜志2019年6月第22卷第6期ChinJLungCancer,June2019,Vol.22,No.6·339·圖1右肺下葉部分實性結(jié)節(jié)，與細支氣管相連，直徑10.7mm，距胸膜43.3mm，影像醫(yī)師漏診，AI實現(xiàn)檢測。Fig1Apart-solidnodulelocatedinrightlowerlobe,connectedtothebronchioles,10.7mmindiameter,43.3mmfarfromthepleura,missedbyradiologist,butdetectedbyAI.圖2右肺上葉花環(huán)狀小葉核心結(jié)構(gòu)，AI假陽性。Fig2Centrilobularnoduleswithagarlandshapelocatedinrightupperlobe,falsepositivecasebyAI.圖3右肺下葉增厚、擴張的細支氣管，AI假陽性。Fig3Thickened,dilatedbronchioleslocatedinrightlowerlobe,falsepositivecasebyAI.假陽性結(jié)節(jié)的學(xué)習(xí)尚有欠缺。AI作為當前科學(xué)技術(shù)發(fā)展中的一門廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域的前沿學(xué)科，對肺結(jié)節(jié)進行檢測是人工智能醫(yī)療發(fā)展的方向[7,8]。深度學(xué)習(xí)是通過構(gòu)建深層網(wǎng)絡(luò)結(jié)構(gòu)進行多層次特征學(xué)習(xí)的人工智能方法，對比傳統(tǒng)的計算機輔助檢測系統(tǒng)（computer-aideddetection,CAD）系統(tǒng)具有優(yōu)勢。本研究所采用的軟件基于三維卷積神經(jīng)網(wǎng)絡(luò)（3D-convolutionalneuralnetwork,3D-CNN）利用深度學(xué)習(xí)進行目標檢測，能夠充分利用肺結(jié)節(jié)的空間三維信息[9]。深度學(xué)習(xí)模型對肺門區(qū)、胸膜下區(qū)及非實性結(jié)節(jié)的檢出能力明顯提高[10,11]，對實性結(jié)節(jié)的敏感度比文獻報道中更高[12,13]。深度學(xué)習(xí)模型有較快的運算速度，隨著經(jīng)驗的不斷積累、模型的不斷迭代，其診斷敏感度及準確性也會不斷上升，而且假陽性也會得到控制。本研究的局限性在于數(shù)據(jù)集病例數(shù)選擇標準基于回顧性的病例選取，病例均為醫(yī)師發(fā)現(xiàn)的病例，臨床中漏診的病例無法通過回顧性病例選擇獲得，因此存在一定的選擇性偏倚。綜上所述，基于深度學(xué)?


本文編號：3056626