| 摘要: |
| 目的评价深度学习方法对周围型肺癌和肺结核球的分类能力，同时比较了不同来源CT影像和病灶大小对最终分类结果的影响。方法研究数据包含了2家医院的4台不同CT机型，共114例证实为肺癌或肺结核球的金标准CT影像。对CT图像进行肺组织提取、裁剪、旋转、翻转等数据增强方法后，生成4686张训练图像。使用改进的、基于GoogLeNet深度学习网络进行训练。结果对总共146张训练集以外的测试图谱分类结果显示，模型的总体分类精确率、召回率、F值分别为88.9%、77.4%、82.8%。如果测试影像和训练影像来自不同CT机型，深度学习方法的分类能力下降（F值92.6%比74.2%）。模型对病灶最长径＜3cm的病灶分类能力更高（F值88.0%比73.2%）。结论深度学习方法可以有效地鉴别周围型肺癌和肺结核球，但病灶大小以及训练集、测试集图谱来源对训练结果有一定影响。 |
| 关键词: |
| DOI：10.12056/j.issn.1006-2785.2020.42.7.2019-2010 |
| 分类号: |
| 基金项目:浙江省自然科学基金-数理医学学会联合基金（LSY19H180002）；国家重点研发计划项目（2017YFC0113201）；浙江省重点研发计划项目（2019C03003）；辐射物理及技术教育部重点实验室开放课题资助（2018SCURPT09）；浙江省医药卫生科技项目（2017PY013、2018PY005） |
|
|
|
|
| Abstract: |
|
| Key words: |
