基于胸部X线卷积神经网络模型诊断儿童不同病原体社区获得性肺炎

作者：胡莎莎; 朱永北; 董迪; 王蓓; 王驰; 周作福; 徐保平; 刘秀云; 彭芸^*

来源：中国医学影像技术, 2021, 37(08): 1163-1167.

DOI：10.13929/j.issn.1003-3289.2021.08.011

• 肺炎
• 儿童
• X线
• 放射摄影术,胸部
• 神经网络,计算机

目的评价基于胸部X线卷积神经网络(CNN)模型诊断儿童不同病原体社区获得性肺炎(CAP)的价值。方法纳入1 769例CAP患儿,根据病原学诊断分为病毒组(n=487)、细菌组(n=496)及肺炎支原体(MP)组(n=786),对比组间胸部X线征象的差异;将患儿以7∶1∶2比例随机分为训练集、验证集和测试集,对测试集患儿根据性别和年龄分为不同亚组进行分层分析。基于胸部X线片分割全肺和病灶ROI,分别训练全肺模型和局部模型,通过混淆矩阵评估2种模型的整体效能;绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价2种模型诊断不同病原CAP的效能;采用Delong检验比较模型诊断效能的差异。结果 3组病变累及范围、受累肺组织密度改变特点、肺过度通气及空洞差异均有统计学意义(P均<0.05)。全肺模型及局部模型诊断不同病原CAP的准确率分别为61.85%及58.04%,精确度分别为63.77%及54.05%。全肺模型和局部模型诊断MP性CAP的效能最佳,AUC分别为0.798及0.819;全肺模型诊断病毒及细菌性CAP的AUC均大于局部模型(P均<0.05)。全肺模型和局部模型诊断测试集中男性亚组和女性亚组不同病原CAP的AUC、诊断高年龄亚组和低年龄亚组病毒性及细菌性CAP的AUC差异均无统计学意义(P均>0.05),诊断高年龄亚组和低年龄亚组MP性CAP的AUC差异均有统计学意义(P均<0.05)。结论基于胸部X线片建立CNN模型诊断儿童不同病原体CAP的效能较好;全肺模型优于局部模型,2种模型均对MP性CAP诊断效能最佳。

• 单位
  北京航空航天大学; 福建省妇幼保健院; 中国科学院自动化研究所; 首都医科大学附属北京儿童医院