科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的探讨不同CT成像参数对基于深度学习的智能辅助软件(DL-CAD)诊断肺结节良恶性效能的影响,并确定最优成像参数。资料与方法收集行胸外科手术治疗的126例肺结节患者共169个肺结节,包括良性35个、恶性134个,进行CT平扫和增强扫描。采用不同的图像算法(bone算法和standard算法)和后置迭代重建算法(ASIR-V)(30%ASIR-V和50%ASIR-V)重建图像,并导入DL-CAD进行分析,同时记录肺结节恶性概率值及良恶性诊断结果。以病理结果作为诊断"金标准",比较不同CT成像参数下的DL-CAD受试者工作特征(ROC)曲线下面积(AUC)及诊断效能。结果 DL-CAD对肺结节良恶性的诊断效能在CT增强模式下优于平扫模式(AUC:P<0.001;整体效能:P=0.064),bone算法的诊断效能优于standard算法(AUC:P=0.045;整体效能:P=0.013)。结论 CT增强扫描及重建算法会影响DL-CAD对肺结节良恶性的诊断效能,在CT增强模式下,使用bone算法,并应用30%ASIR-V或50%ASIR-V,DL-CAD对肺结节良恶性有较好的诊断效能。
- 单位
