-
题名CNN辅助超声诊断颈部转移性淋巴结的研究
被引量：2
- 1
-
-
作者
伍杰
贾芳
王正业
王晓荣
-
机构
新疆医科大学第一附属医院腹部超声诊断科
新疆兵团疾控中心
-
出处
《中国医学计算机成像杂志》
CSCD
北大核心
2024年第6期728-734,共7页
-
基金
新疆医科大学第一附属医院青年科研启航专项基金项目(2023YFK-QKQN-675)。
-
文摘
目的:评估卷积神经网络(CNN)在辅助诊断颈部转移性淋巴结的应用价值。方法:回顾性收集334例颈部转移性淋巴结及334例反应性增生淋巴结患者各1002张声像图作为数据集“1”,按照8︰2比例分为训练集(1603张)与测试集(401张)。对4个CNN模型进行训练并测试,挑选出准确度最佳的模型并通过可视化热图分析CNN识别的超声特征。另外再收集400张超声图片(2种淋巴结疾病各200张)作为数据集“2”,用于比较4名超声医师(2名低年资及2名高年资)自主诊断及在CNN辅助下对2组淋巴结疾病的诊断效能。结果:经数据集“1”训练并测试后,ResNet18、AlexNet、DenseNet121、VGG16这四种模型的准确度依次为0.9269、0.9252、0.9040、0.8816,其中ResNet18模型的准确度最佳。低年资超声医师A、B在ResNet18辅助前后对数据集“2”中2组淋巴结进行区分的诊断准确度从60.50%、63.80%提高到85.50%、87.30%,灵敏度从63.50%、67.50%提高到88.50%、90.50%,特异度从57.50%、60.00%提高到82.50%、84.00%;高年资超声医师C、D的诊断准确度从81.00%、81.30%提高到94.80%、94.80%,灵敏度从86.50%、85.00%提高到93.00%、94.00%,特异度从75.50%、77.50%提高到96.50%、95.50%。可视化热图示淋巴结内部回声及血流信号特征能辅助CNN鉴别这两组淋巴结。结论:ResNet18模型能有效提高超声医师对颈部转移性淋巴结及反应性增生淋巴结的诊断效能,对低年资医师的辅助效果更明显一些。CNN识别这两组淋巴结可能主要依赖淋巴结的内部回声及血流信号特征。
-
关键词
超声
卷积神经网络
人工智能
淋巴结
-
Keywords
Ultrasound
Convolutional neural network
Artificial intelligence
Lymph nodes
-
分类号
R445.1
[医药卫生—影像医学与核医学]
-
