基于卷积神经网络的超声影像甲状腺结节良恶性预测研究

作者：王洪杰; 张恩东; 于霞

来源：中国医疗设备, 2020, 35(01): 23-25.

• 甲状腺结节
• 良恶性预测
• 卷积神经网络
• 深度学习

目的探讨深度学习在甲状腺结节良恶性鉴别诊断中的应用价值。方法利用卷积神经网络,对2659例匿名患者和480例测试患者的超声甲状腺结节进行图像采集、建模,对甲状腺结节良恶性进行预测,以术后病理结果为标准进行验证。结果超声医师的阳性预期率为84.3%,阴性预期率为90.5%,诊断敏感性为95.1%,诊断特异性为83.1%。深度学习阳性预期率为87.2%,阴性预期率为93.1%,诊断敏感性为97.4%,诊断特异性为87.3%。结论基于深度学习的卷积神经网络的预测方法具有高的诊断敏感性、诊断效率、诊断特异性,能够有效地预测甲状腺超声图像中的结节,并能判定其良恶性。