能谱CT虚拟平扫在肺结节AI辅助诊断系统预测亚实性结节恶性概率中的应用

作者：陈疆红; 钟朝辉; 王大为; 杨正汉^*; 王振常; 江桂莲

来源：放射学实践, 2020, 35(08): 972-977.

DOI：10.13609/j.cnki.1000-0313.2020.08.005

• 深度学习
• 肺肿瘤
• 磨玻璃结节
• 恶性概率
• 能谱CT
• 虚拟平扫
• 辐射剂量

目的:通过与能谱平扫(TNC)图像对比,探究能谱CT虚拟平扫(VNC)图像在AI肺结节辅助诊断系统预测亚实性结节恶性概率中的效能表现。方法:本研究共纳入86例因肺内亚实性结节而行手术切除的患者,其中男26例、女60例,年龄(61.33±11.66)岁。按病理组织学结果将结节分为3组:A组为浸润前病变;B组为微浸润腺癌;C组为浸润性腺癌。将患者术前TNC和VNC图像上传至AI肺结节辅助诊断系统进行结节检测并记录结节的恶性概率预测值、体积及CT值,进一步行三组间结节数值的非参数检验(Kruskal-Wallis H检验)及每组TNC与VNC图像配对样本的非参数检验(Wilcoxon检验)。结果:入组病例中共切除88个亚实性结节,其中A组、B组和C组分别有27个、28个及33个结节。在TNC和VNC图像中3组结节均可被AI系统检出。利用TNC图像时,AI系统对A组、B组和C组中结节恶性概率的预测值分别为74.60%±19.76%、89.97%±8.55%和94.25%±7.04%;在利用VNC图像时,对三组中恶性概率预测值分别为70.01%±23.43%、88.20%±10.35%和94.51%±5.17%;2种图像上三组间预测值的差异均有统计学意义(P<0.001)。在TNC和VNC图像上,三组间结节的CT值及体积的差异亦有统计学意义(P<0.05)。每组结节在TNC和VNC图像上恶性概率预测值之间的差异无统计学意义(P>0.05)。结论:利用肺结节AI辅助诊断系统预测亚实性结节的恶性概率预测值时,VNC图像与TNC图像的预测效能相似。

• 单位
  首都医科大学附属北京友谊医院; 北京推想科技有限公司