| 摘要: |
| 目的探讨人工智能(AI)对肺不同分区的结节及其大小、密度对AI检出结节效果的影响。方法分析220例胸部CT图像,由2名高级影像诊断医师确定的真性结节数与AI检出的结节数进行比较,按照肺不同分区、不同最大径和不同密度记录真阳性结节数、假阳性结节数和假阴性结节数,并计算真阳性结节检出率(TPNDR)、假阳性结节检出率(FPNDR)、假阴性结节漏检率(FNNMR),并对以上不同分组间AI检出结节的TPNDR、FPNDR、FNNMR进行统计分析。结果 (1)AI在肺不同分区的TPNDR、FPNDR和FNNMR区间差异均有统计学意义((印)P(正)<0.05),AI在胸膜下区的TPNDR(97.1%)、胸膜粘连区的FPNDR(31.6%)和肺门区的FNNMR(19.8%)显著高于同组其他肺分区((印)P(正)<0.05)。(2)AI在不同最大径分组的TPNDR、FPNDR和FNNMR组间差异均无统计学意义((印)P(正)>0.05),但各结节最大径分组中,TPNDR、FNNMR在各肺分区间的差异均有统计学意义((印)P(正)<0.05),5 mm≤最大径≤10 mm组和10 mm<最大径≤30 mm组的FPNDR在各肺分区间的差异均有统计学意义((印)P(正)<0.05)。AI对不同大小结节的TPNDR在胸膜下区的较高,对较大结节(最大径≥5 mm)的FPNDR在胸膜粘连区较高。(3)AI在不同结节密度分组的TPNDR、FPNDR和FNNMR组间差异均无统计学意义((印)P(正)>0.05),但各结节密度分组中,TPNDR、FPNDR和FNNMR在各肺分区间的差异均有统计学意义((印)P(正)<0.05)。AI对磨玻璃结节的TPNDR在肺门区最高(96.3%,(印)P(正)=0.011),FPNDR和FNNMR在胸膜粘连区最高(62.5%,(印)P(正)=0.000;18.2%,(印)P(正)=0.011)。AI对部分实性结节和实性结节的TPNDR均在胸膜下区最高(94.0%,(印)P(正)=0.035;99.7%,(印)P(正)=0.000),FNNMR均在肺门区最高(19.0%,(印)P(正)=0.035;27.6%,(印)P(正)=0.000),对部分实性结节的FPNDR在中央区最高(28.8%,(印)P(正)=0.016),对实性结节的FPNDR在胸膜粘连区最高(27.4%,(印)P(正)=0.002)。结论结节位置对AI检出结节效果存在影响,结节的大小、密度对AI检出结节效果不存在影响。 |
| 关键词: 人工智能 CT 肺结节 |
| DOI： |
| 分类号: |
| 基金项目: |
|
|
|
|
|
|
| Abstract: |
|
| Key words: |
