科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的构建并验证轻量级卷积神经网络模型, 探讨其在筛查煤工尘肺早期阶段(小阴影密集度达到0/1级与尘肺壹期)中的应用价值。方法收集2018年10月至2021年3月在安徽省某职业病防治院进行职业健康检查的煤矿工人(共1 225例)数字化X射线胸片进行研究。所有胸片经过3名具有诊断资质的影像医生集体诊断并给出诊断结果。其中, 圆形及不规则小阴影密集度为0/-或0/0级的胸片692例, 0/1级至尘肺叁期的胸片533例。对原始胸片进行不同的预处理生成4个数据集, 即16位灰度原始图像集(Origin16)、8位灰度原始图像集(Origin 8)、16位灰度直方图均衡图像集(HE16)和8位灰度直方图均衡图像集(HE8)。应用轻量级卷积神经网络ShuffleNet对4个数据集分别训练生成预测模型, 使用受试者工作特征(ROC)曲线、准确率、灵敏度、特异度以及约登指数等指标在包含130例胸片的测试集上对4个模型的尘肺预测性能进行评估。采用Kappa一致性检验对模型预测结果与医生诊断尘肺结果进行一致性比较。结果 Origin16模型预测尘肺获得了最高的ROC曲线下面积(AUC=0.958)、准确率(92.3%)、特异度(92.9%)和约登指数(0.845 2), 灵敏度为91.7%;Origin16模型的预测结果与医生诊断结果的一致性最高(Kappa值为0.845, 95%CI:0.753～0.937, P<0.001)。HE16模型的灵敏度最高(98.3%)。结论轻量级卷积神经网络ShuffleNet模型可以高效地识别煤工尘肺的早期阶段, 将其应用于煤工尘肺的早期筛查中可以有效地提高医生的工作效率。
- 单位
