基于多阶段三维深度卷积神经网络的计算机辅助诊断系统在肺癌筛查中的应用

被引：15

作者：

孟庆成 ^{[1
]}

高朋瑞 ^{[1
]}

郭兰伟 ^{[2
]}

丁佳 ^{[3
]}

陈学军 ^{[1
]}

黎海亮 ^{[1
]}

机构：

[1] 郑州大学附属肿瘤医院放射科

[2] 郑州大学附属肿瘤医院肿瘤防治办公室

[3] 北京医准智能科技有限公司

来源：

中华放射学杂志 | 2020年 / 54卷 / 06期

关键词：

肺结节; 辐射剂量; 体层摄影术, X线计算机;

D O I：

暂无

中图分类号：

R730.44 [放射线、同位素诊断]; R734.2 [肺肿瘤];

学科分类号：

100117 [系统生物医学]; 100234 [放射肿瘤学];

摘要：

目的评估新的多阶段三维(3D)深度卷积神经网络的计算机辅助诊断(CAD)系统在低剂量螺旋CT(LDCT)肺癌筛查中的应用价值。方法回顾性分析河南省肿瘤医院2013年11月至2017年12月8 850例肺癌筛查志愿者共1 111个肺结节的基线LDCT影像资料及肺癌患者的临床信息, 所有纳入本研究的人群均作了至少一次LDCT, 阅片方式包括目视检测(VD)、CAD及VD结合CAD方式;肺结节的诊断标准以2名胸部影像专业高年资医师最终达成的一致性意见作为真结节(有分歧时由第3名主任医师决定)。针对结节数目、结节类型及结节的Lung-RADS分类, 比较3种阅片方式的肺结节(或肺癌)的检出率、漏诊率及假阳性率。组间比较采用χ2检验。结果与VD方式比较, CAD及VD+CAD方式结节检出率明显升高(分别为94.2%、95.7%、80.1%), 漏诊率明显减低(分别为5.8%、4.3%、19.9%), 差异具有统计学意义(χ2=101.650、128.500, P<0.05);与VD方式比较, CAD方式与VD+CAD方式对Lung-RADS分类结节(χ2=25.083、23.449, P<0.05)及不同类型结节(χ2=6.955、6.821, P<0.05)的检出率明显升高, 而CAD方式与VD+CAD方式对Lung-RADS分类结节及不同类型的检出率差异无统计学意义(P>0.05)。VD方式与VD+CAD方式在肺癌阳性预测率、漏诊率及假阳性率无明显差异;与VD方式与VD+CAD方式比较, CAD方式对肺癌的阳性预测率明显降低, 漏诊率及假阳性率明显升高。结论 VD结合CAD的方式能够在降低假阳性结节检出的基础上, 提高真性肺结节检出率, 可作为城市人群LDCT肺癌筛查的首选方法。

引用

共 10 条

[1]

Validation; comparison; and combination of algorithms for automatic detection of pulmonary nodules in computed tomography images: The LUNA16 challenge.[J].Arnaud Arindra Adiyoso Setio;Alberto Traverso;Thomas de Bel;Moira S.N. Berens;Cas van den Bogaard;Piergiorgio Cerello;Hao Chen;Qi Dou;Maria Evelina Fantacci;Bram Geurts;Robbert van der Gugten;Pheng Ann Heng;Bart Jansen;Michael M.J. de Kaste;Valentin Kotov;Jack Yu-Hung Lin;Jeroen T.M.C. Manders;Alexander Sóñora-Mengana;Juan Carlos García-Naranj

[2]

Role of Computer Aided Diagnosis (CAD) in the detection of pulmonary nodules on 64 row multi detector computed tomography [J].