摘要
目的 研究人工智能实现正电子发射断层/计算机断层显像(positron emission tomography/computed tomography,PET/CT)结合高分辨CT进行肺部炎性肉芽肿结节多参数定性诊断的价值.方法 选取 2020 年1月1日—2023 年4月30 日赣州市人民医院存储的肺结节PET/CT图像、高分辨率CT图像及数据,基于 3D CNN网络模型和XGboost分类器建立双通道联合模型,通道1输入结构化的结节特征信息和患者基本信息,通道 2 输入图像数据,以 2020 年1月1日—2022 年 9 月 30 日肺结节图像及数据材料作为训练样本,以 2022 年10 月1日—2023 年4月 30 日的肺结节图像及数据材料作为测试样本,进行20×20×20、30×30×30、40×40×40 3 种体素尺度图像的模型性能实验.结果 双通道联合模型下,30×30×30 体素尺度下诊断准确率为 0.964 3±0.017 7,灵敏度为 0.961 4±0.019 5,特异度为 0.964 4±0.019 9,曲线下面积(area under curve,AUC)为 0.979 9±0.011 5,显著优于 20×20×20、40×40×40 2 种体素尺度,差异有统计学意义(P＜0.05);医师盲审诊断准确率为 0.798 4±0.058 9,灵敏度为 0.765 3±0.067 8,特异度为 0.843 9±0.042 1,AUC为 0.823 1±0.051 9,显著低于模型诊断表现,差异有统计学意义(P＜0.05);与单纯输入图像数据采用 3D CNN网络进行人工智能辅助诊断相比,3 种体素尺度下引入结节特征参数和患者信息的诊断表现明显更优,差异有统计学意义(P＜0.05).结论 采用双通道联合模型,引入结节特征信息和患者基本信息,进行人工智能结合PET/CT与高分辨CT图像的联合诊断,可有效提高肺部炎性肉芽肿结节的良恶性定性诊断准确率,为医师提供更有价值的辅助诊断信息,具有较高的应用价值.
维普
万方数据