摘要
目的:比较和分析人工智能(AI)技术、低年资放射医师、高年资放射医师、AI联合低年资放射医师对新冠肺炎CT诊断效能,探讨AI对新冠肺炎CT辅助诊断价值.方法:分析经AI新冠诊断软件诊断新冠概率>0％的53例患者图像,统计计算A组(低年资医师,参与放射诊断工作<10年)、B组(高年资医师,参与放射诊断工作≥10年)、C组(AI)、D组(低年资医师联合AI)初次CT诊断新冠肺炎信心评分受试者特征曲线(ROC),Z检验比较各组诊断效能;并以AI诊断新冠肺炎最大约登指数相应截断值为标准,比较各组敏感度、特异度.结果:各组诊断效能曲线下面积比较(AUC).A组<B、D组(Z=2.406、2.013),C组<D组(Z=2.031),B组>C组(Z=2.113),差异均具有统计学意义(P<0.05);余组间差异均无统计学意义(P>0.05).以AI诊断新冠肺炎最大约登指数相应截断值>3分为标准,各组对新冠肺炎CT诊断效能比较.敏感性:A组<B、D组(χ2=3.854、13.781),C组<D组(χ2=7.726),差异均具有统计学意义(P<0.05);余组间差异均无统计学意义(P>0.05).特异性:A组<B、D组(χ2=6.876、6.876),差异均具有统计学意义(P<0.05);余组间差异均无统计学意义(P>0.05).结论:基于深度学习AI技术在新冠肺炎CT诊断中具有较高临床应用价值,AI可辅助低年资医师提高对新冠肺炎CT诊断效能.
NETL
NSTL
维普
万方数据