论文部分内容阅读
目的:探讨基于深度学习的人工智能辅助诊断系统关于肺磨玻璃结节(GGN)CT定量参数分析对其病理侵袭性判断的价值,以及不同层厚与结节特征对CT肺小结节检出效能的影响。材料与方法:纳入本院2018年1月至2019年8月经手术病理证实的肺腺癌磨玻璃结节54枚和2019年1月至2019年8月肺小结节胸部CT平扫病例200例导入人工智能软件工作站进行分析。前者54个GGN分析后记录的特征定量参数包括3D长径、平均CT值、体积、最大面面积、表面积、紧凑度、球形度、熵,按照病理分型将54枚GGN分为非侵袭性病变组(AAH、AIS)和侵袭性病变组(MIA、IAC),采用SPSS及MedCalc软件统计分析两组间差异,再对有统计学意义的定量参数进行受试者工作特征曲线(Receiver operating characteristic curves,ROC)分析,评价其诊断GGN侵袭性的能力,同时根据最大约登指数(Youden’s index,YI)计算该定量参数的最佳诊断阈值,获得曲线下面积、敏感度和特异度,P<0.05被认为差异具有统计学意义。后者根据不同CT图像层厚、结节类型、结节大小以及机型,分别记录AI与医师对结节的检出情况,采用SPSS17.0统计学软件进行资料录入、整理及统计学分析。AI组与医师组定性资料比较采用卡方检验,两组检测时间比较采用t检验,比较其检出率、灵敏度、假阳性率以及检出时间,P<0.05为差异具有统计学意义。结果:1.本研究共计54枚GGN,其中pGGN34枚,mGGN20枚,非侵袭性病变组(AAH、AIS)22枚(40.74%),侵袭性病变组(MIA、IAC)32枚,分别发生于右肺上叶28枚(尖段7枚,后段11枚,前段10枚),右肺中叶5枚(内段1枚,外段4枚),右肺下叶8枚(背段2枚,前基底段6枚),左肺上叶10枚(尖后段6枚,前段4枚),左肺下叶3枚(背段1枚,基底段2枚)。AI对54枚GGN给出诊断意见为48枚GGN高危,占比88.89%,6枚低危(pGGN 4枚,mGGN2枚),占比11.11%。2.3D长径、平均CT值、体积、最大面面积及表面积判断非侵袭性病变组和侵袭性病变组具有明显统计学差异,3D长径诊断侵袭性病变的最佳阈值为10.35mm,敏感性为84.37%,特异性为59.09%,(AUC=0.740,P<0.05;95%CI:0.603-0.850);平均CT值的阈值为476.73Hu,敏感性为78.12%,特异性为72.73%,(AUC=0.751,P<0.05;95%CI:0.615-0.859);体积的阈值为641.7 mm3,敏感性为65.62%,特异性为81.82%,(AUC=0.737,P<0.05;95%CI:0.600-0.848);最大面面积的阈值为79.78 mm~2,敏感性为68.75%,特异性为77.27%,(AUC=0.736,P<0.05;95%CI:0.598-0.846);表面积的阈值为365.22 mm~2,敏感性为65.62%,特异性为81.82%,(AUC=0.744,P<0.05;95%CI:0.607-0.853)。3.GGN的紧凑度、球形度、熵诊断非侵袭性和侵袭性腺癌之间的差异无明显统计学意义(P均>0.05)。4.结果200例胸部CT共检出真性结节755枚,其中pGGN218枚,mGGN61枚,SN476枚。AI在厚层(5mm)对于pGGN及mGGN检出率高于薄层(1.5mm),二者经统计学分析分别为,t=1.511,P=0.134,t=2.282,P=0.025;AI薄层对于SN的检出率明显高于厚层(t=-10.377,P<0.001);AI在薄层对pGGN、mGGN及SN检出灵敏度均明显高于厚层,经统计学分析分别为,t=-4.823,P<0.001,t=-4.048,P<0.001,t=-10.186,P<0.001;薄层对于实性结节的假阳性率明显高于厚层,厚层对于纯磨玻璃结节及混杂磨玻璃结节的假阳性率明显高于薄层,医师的假阳性均为0。5.在64排CT机型及16排CT机型中AI共检出肺小结节分别为491、627枚,二者经统计学分析,t=-0.428,P=0.427,P>0.05,差异无统计学意义;两种机型在薄层上对肺小结节检出均高于厚层(t=-7.925,P<0.001);薄层的假阳性率明显高于厚层(t=-2.890,P=0.004),其中16排机型假阳性率略高于64排机型。结论:1.基于人工智能CT特征定量分析(3D长径、平均CT值、体积、最大面面积、表面积)有助于GGN侵袭性的预判,能给术前选择及预后判断提供更精准的影像学依据。2.CT扫描层厚会显著影响AI对CT肺结节的检出效能,图像层面越厚,AI对肺小结节检出速度越快,其漏诊率相对增加,CT图像层厚越薄,AI对肺小结节检出率越高,其假阳性率相对增加。3.不同机型西门子64排及飞利浦16排对AI在CT肺小结节的检出无显著影响。