科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 建立卷积神经网络卵巢肿瘤超声诊断模型，探讨其在卵巢良恶性肿瘤鉴别诊断中的价值。方法 收集2015年6月至2022年9月于昆明医科大学第二附属医院接受超声检查，并获得细胞学或组织病理证实的卵巢良性、恶性肿瘤超声图像各200张，共400张卵巢肿瘤超声图像。图像以1∶3的比例分为训练集和验证集。基于卷积神经网络构建训练并验证VGG16、MobileNet-V2 2个诊断模型，同时选取高年资、低年资2名超声医生进行训练集超声图像诊断，以病理结果为金标准，评估2个诊断模型和超声医生鉴别卵巢良恶性的效能。结果 VGG16模型诊断卵巢肿瘤良恶性的灵敏度、特异度、准确度分别为80.67%,79.33%,80.00%;MobileNet-V2模型诊断卵巢肿瘤良恶性的灵敏度、特异度、准确度分别为89.33%,93.33%,91.33%;MobileNet-V2模型诊断效能最优，且MobileNet-V2、 VGG16模型诊断效能均优于超声医生（P<0.05）。结论 卷积神经网络卵巢肿瘤诊断模型具有较好诊断价值，其中MobileNet-V2模型能准确地判断卵巢肿瘤超声图像的良恶性。
- 单位
