CT图像分辨率对人工智能肺结节辅助诊断系统诊断准确性的影响

作者：杨尚文; 胡安宁; 徐亚运; 张帅; 张建; 卢玉; 刘柏韵; 张冰; 杨雯; 辛小燕^*

来源：医学影像学杂志, 2020, 30(06): 965-968.

• 肺结节
• 人工智能
• 深度学习
• 超高分辨率

目的探讨肺部CT图像分辨率对人工智能(AI)辅助诊断软件肺结节诊断准确性的影响。方法前瞻性收集2019年9月～10月来我院行胸部CT平扫检查的患者35例。每位患者的肺部图像均使用两种不同分辨率进行重建,使用常规高分辨率512×512矩阵重建的为A组图像,使用超高分辨率1024×1024矩阵重建的为B组图像。使用AI辅助诊断软件分别对A、B两组图像进行肺结节分析,记录结节的密度类型、体积和最大径。同时由2名胸部影像诊断医师在AI辅助诊断的基础上,对B组图像进行肺结节分析,以2位医师的一致性意见作为该患者肺结节诊断的金标准。将肺结节按最大径>4mm和最大径≤4mm进行分类分析比较,不同分辨率组间AI辅助诊断结果的敏感性比较采用McNemar检验,P<0.05认为差异具有统计学意义。结果对于最大径>4mm和最大径≤4mm的结节,AI辅助诊断系统在超高分辨率(B组)图像的诊断敏感性均显著高于常规高分辨率(A组)图像(97.1%vs 75.4%、96.9%vs 74.8%),差异均具有统计学意义(χ2=111.76、74.33,P均<0.01)。对于全部结节,B组的敏感性高于A组(97.0%vs 75.0%),差异具有统计学意义(χ2=83.83,P<0.01)。A、B两组AI诊断结果的全部结节的假阳性检出率(FPDR)分别为17.6%和21.1%。结论使用超高分辨率肺部CT图像进行AI辅助肺结节诊断,无论结节大小,诊断的敏感性明显高于常规高分辨率图像。对于最大径>4mm的结节,FPDR没有明显变化。对于所有结节,FPDR则略有升高,可以提高肺结节诊断的准确性。

• 单位
  南京大学医学院附属鼓楼医院; 南京大学; 北京推想科技有限公司