基于密度分布特征的深度神经网络模型诊断COVID-19的价值

作者：李文; 韩冬; 郭佑民; 任转勤; 田宏哲

来源：中国医学物理学杂志, 2022, 39(08): 972-979.

• 新型冠状病毒肺炎
• 密度分布特征
• CT图像特征
• 深度神经网络

目的：评价基于密度分布特征（CDD）的深度神经网络（DNN）模型对新型冠状病毒肺炎（COVID-19）的诊断价值。方法：收集42例COVID-19病例和43例非COVID-19肺炎病例。将所有患者的211份胸部CT图像分为训练集（n=128）和验证集（n=83）。参考北美放射学会发布的COVID-19相关性肺炎的CT结构化报告，构建基于CT影像特征的DNN模型（DNN-CTIF）。根据胸部CT图像上肺炎CDD建立DNN-CDD模型。采用ROC曲线分析和决策曲线分析对两种模型进行评价。结果：DNN-CTIF模型的AUC在训练集为0.927，在验证集为0.829。DNN-CDD模型的AUC在训练集为0.965，在验证集为0.929。DNN-CDD模型在验证集的AUC高于DNN-CTIF模型（P=0.047）。决策曲线分析表明在0.04～1.00概率阈值范围内，DNN-CDD模型相比DNN-CTIF模型使患者的净获益更高。结论：DNN-CTIF和DNN-CDD模型对COVID-19均具有较好的诊断性能，其中DNN-CDD模型优于DNN-CTIF模型。

• 单位
  西安交通大学第一附属医院; 宝鸡市中心医院; 陕西中医药大学附属医院