文章摘要
安超，张晨，郑广平，曹义，杨根东，印宏坤，顾俊，邹彤，吴双，王立非.基于深度学习的胸部X线肺结核检测研究及多中心临床验证[J].放射学实践,2022,(06):704-709
基于深度学习的胸部X线肺结核检测研究及多中心临床验证
  
DOI：10.13609/j.cnki.1000-0313.2022.06.006
中文关键词: 深度学习  放射摄影术,胸部  结核,肺  多中心研究
基金项目:广东省科技计划项目（2020B1111170014）
作者单位
安超，张晨，郑广平，曹义，杨根东，印宏坤，顾俊，邹彤，吴双，王立非 518100广东，深圳市第三人民医院放射科（安超、张晨、郑广平、曹义、杨根东、王立非）；518100广东，广东省感染性疾病（结核病）临床医学研究中心（安超）；100025北京，推想医疗科技股份有限公司（印宏坤、顾俊、邹彤、吴双） 
摘要点击次数: 1323
全文下载次数: 1678
中文摘要:
      【摘要】目的：构建基于深度学习的胸部X线肺结核检测模型并通过多中心研究验证其效能及临床价值。方法：回顾性搜集2600例来自3个中心的胸部X线图像并随机分为训练集、验证集和测试集，构建基于RetinaNet架构的肺结核深度学习检测模型，并在ChinaSet和MontgomerySet胸部X线公开数据集以及来自深圳三院的外部临床测试集上对深度学习模型的鲁棒性进行外部测试。采用受试者工作特征曲线（receiver operator characteristic curve,ROC）评估模型效能。同时通过临床检测评估深度学习模型的重复性和再现性。结果：深度学习模型在内部测试集的ROC曲线下面积（AUC）为0.967，在ChinaSet、MontgomerySet和深圳三院外部测试集的AUC分别为0.95、0.93和0.976，具有较高的准确性和良好的鲁棒性。临床一致性评估证实了模型的重复性和再现性。结论：深度学习模型具备良好的效能，可以作为胸部X线影像结核病检测工具用于临床决策支持。
      
查看全文   下载PDF阅读器
关闭