基于深度学习的肺结节良恶性判别模型在靶扫描CT数据的效能验证

目的 评估使用常规肺CT扫描数据训练的肺结节良恶性判别深度学习模型,在肺结节靶扫描CT图像上的良恶性分类效能。方法 回顾性分析上海市胸科医院2016年1月至2018年12月间胸部CT扫描发现肺结节并行手术切除的患者923例,共搜集有病理检测报告且在常规扫描和靶扫描数据集上可对应的结节969个。使用基于常规扫描CT数据训练的深度学习良恶性分类模型,对于本研究中搜集的常规扫描和靶扫描数据集进行评测,评估指标包含两者的曲线下面积(AUC)、准确率、敏感度和特异度,并使用综合判别改善指数及Delong测试比较两者的性能差异。结果 常规扫描数据集上的曲线下面积、准确率、敏感度和特异度分别为0.80、82.0%、86.0%和56.6%,靶扫描数据集上的曲线下面积、准确率、敏感度和特异度分别为0.84、85.0%、88.8%和60.5%。综合判别改善指数为0.056,差异有统计学意义(Z检验,P<0.05),且ROC曲线下面积差异有统计学意义(Delong检验,P=0.01)。结论 基于常规肺CT扫描数据训练的深度学习肺结节良恶性分类模型,在肺部靶扫描数据上可以取得更好的诊断效能。