基于深度学习训练胸部X线片图像性质分类人工智能模型的初步研究

作者：蔡金秀; 任昕; 孙兆男; 刘伟鹏; 王祥鹏; 张晓东; 王霄英

来源：实用放射学杂志, 2022, 38(7): 1184-1188.

DOI：10.3969/j.issn.1002-1671.2022.07.034

• 深度学习
• 人工智能
• 分类
• 胸部X线片
• 结构化报告

目的 研究基于深度学习模型评价胸部X线片(CXR)图像性质分类的可行性.方法 回顾性检索2017年1月1日至2017年12月31日在北京大学第一医院检查、登记为"成人正位胸片"的CXR图像,从其中筛选出日常工作中常见的错误登记为正位胸片者,即:侧位片591例,床旁片523例,婴幼儿片930例,与2000例成人胸片正位图像进行训练,将图像随机分为训练集、调优集和测试集,使用Vgg16进行训练,得到CXR图像分类的人工智能(AI)模型.再回顾性收集2018年1月1日至2018年3月31日的数据进行外部验证,包括侧位片、床旁片、婴幼儿片及成人正位胸片各100例,对测试集、外部验证结果的评价使用混淆矩阵计算AI模型的分类效能.结果 测试集中,4种不同体位图像均能很好地被预测,成人正位胸片分类错误1例,侧位胸片、床旁胸片和婴幼儿胸片全部分类正确,各组分类的准确率为99％～100％.外部验证中,成人正位胸片和侧位胸片全部分类正确,婴幼儿胸片99例分类正确,床旁胸片94例分类正确,各组分类准确率为94％～100％.AI预测结果可自动返回到结构化报告的"技术评估"模块.结论 胸片图像分类AI模型可以对临床工作中常见的图像类型准确地分类,筛选出"合格"图像可进一步用于胸部疾病二分类AI诊断.

• 单位
  北京大学第一医院