| 蔡雅倩, 张正华, 韩丹, 黄建强, 李浚利, 金文凤.AI对肺磨玻璃结节筛查及定性的临床应用研究[J].放射学实践,2019,(09):958-962 |
| AI对肺磨玻璃结节筛查及定性的临床应用研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2019.09.005 |
| 中文关键词: 人工智能 肺磨玻璃结节 体层摄影术,X线计算机 筛查 诊断,计算机辅助 |
| 基金项目:云南省教育厅科学研究基金资助项目（2019J1229） |
|
| 摘要点击次数: 2751 |
| 全文下载次数: 2919 |
| 中文摘要: |
| 【摘要】目的：探讨人工智能（AI）对肺磨玻璃结节（GGN）筛查及定性的临床应用价值。方法：搜集行胸部CT平扫的200例患者（共1230个GGN），比较A组（住院医师）、B组（AI）、C组（住院医师结合AI）对诊断GGN的敏感度、误判率、漏诊率、阳性预测值和平均诊断时间。将其中经手术病理证实的137例GGN患者按其病理结果分为良性组（54例）、恶性组（83例），比较两组间AI量化参数的差异，对有统计学差异的参数行ROC曲线分析，再以病理结果为因变量，各指标为自变量行Logistic回归分析。结果：B组误诊率高于A、C两组，阳性预测值小于A、C两组；A组漏诊率高于B、C两组，敏感度小于B、C两组，差异均有统计学意义(P值均<0.05)。GGN良、恶性结节的长径、最大面积、体积、平均CT值、最大CT值和恶性概率差异均有统计学意义(P值均<0.05)，对各参数行ROC曲线分析，曲线下面积（AUC）均大于0.7，Logistic回归分析显示长径和最大面积是GGN恶变的独立危险因素。结论：AI协助医生阅片可明显提高肺GGN检出敏感度，并可降低误诊率和漏诊率，同时对GGN的良恶性预判具有一定参考价值。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
|
|
|
