基于CT的深度学习模型在甲状腺结节良恶性鉴别中的应用

作者：王洪杰; 于霞; 张鸣; 张恩东^*

来源：中国中西医结合影像学杂志, 2020, 18(02): 195-197.

• 甲状腺结节
• 人工智能
• 诊断,鉴别
• 体层摄影术,X线计算机

目的:构建和验证一个用于CT自动识别甲状腺结节的深度学习模型,旨在提高CT医师对甲状腺结节的诊断水平。方法:从医院数据库中选取经手术病理证实的甲状腺结节患者672例,选取330例(其中恶性280例,良性病变50例)用于深度学习模型的训练,余342例用于模型验证,同时再由3名不同年资的CT医师进行诊断,并统计相关结果。结果:深度学习模型用于甲状腺结节的诊断准确率91.8%、敏感度84.5%、特异度87.8%,每例诊断时间为(0.30±0.02)s,均优于3名医师(均P<0.05)。结论:深度学习模型用于甲状腺结节的诊断具有较高的准确率、特异度和敏感度,可辅助CT医师实时诊断甲状腺结节。