卷积神经网络在辅助胸部数字X线图像质量控制工作的应用价值

作者：贾晓茜; 张向利; 刘哲; 曾强; 赵志富; 李延寿; 黄鸿; 董阿梅; 杨健; 郭建新^*

来源：西安交通大学学报（医学版）, 2019, 40(05): 784-788.

• 人工智能
• 卷积神经网络
• 机器学习
• 胸部DR
• 质量控制

目的探讨卷积神经网络在胸部数字X线(digital radiology,DR)图像质量控制(quality control,QC)工作中的应用价值。方法纳入不同机器拍摄的胸部DR图像1 618张进行分级标记,其中1 294张作为训练集用于卷积神经网络,324张作为测试集用于检测效果;将检测结果用二分类和四分类的混淆矩阵计算敏感度、特异度、阳性预测值(positive predicted value,PPV)、阴性预测值(negative predicted value,NPV)和总准确率。结果二分类结果:敏感度为73.53%,特异度为97.93%,PPV为80.65%,NPV为96.93%,总准确率95.37%;四分类结果的总准确率75.93%。二分类结果总准确率高于四分类结果 (P<0.05)。结论卷积神经网络可满足影像QC工作达到最低标准的要求,但要进行高级别图像质量评分和考核等管理工作,还需更大的数据集和更加细致的特征标记。

• 单位
  西安交通大学第一附属医院