Radiology：AI多是会帮助——辅助找肺结节！
2018-11-27 shaosai MedSci原创
本研究旨在建立和验证基于深度学习自动检测算法(DLAD)在胸片恶性肺结节的价值，比较其与胸部放射科医生等内科医生的诊断效能。
本研究旨在建立和验证基于深度学习自动检测算法(DLAD)在胸片恶性肺结节的价值，比较其与胸部放射科医生等内科医生的诊断效能。
利用34676例患者的43292张胸部片（正常与肺结节比例为34067：9225）建立DLAD，在卷积神经网络中由13名高级支持放射科医生进行标记、注释。验证DLAD的胸片分类和肺结节检出能力。利用ROC曲线下面积和JAFROC FOM评价DLAD的胸片分类和肺结节检出能力。评价观察者诊断能力测试包括18例内科医生（包括9名高年资放射科医生）。评价和比较DLAD、内科医生和DLAD辅助性内科医生的诊断能力。
根据验证数据集，DLAD的胸片分类和肺结节检出能力为0.92-0.99 (AUROC)、0.831-0.924 (JAFROC FOM)。DLAD在观察能力方面要高于17/18（AUROC）、15/18（JAFROC FOM）名医生。在DLAD的辅助下，所有医生检出肺结节的能力明显升高(平均JAFROC FOM提高为0.043； 范围0.006-0.190； P < .05)。
本研究表明，基于深部学习自动检测算法在胸片分类和恶性肺结节检出能力方面要优于内科医生，其有助于提高内科医生的诊断能力。
原始出处：
Nam JG， Park S， Hwang EJ，et al.Development and Validation of Deep Learning-based Automatic Detection Algorithm for Malignant Pulmonary Nodules on Chest Radiographs.Radiology.DOI：10.1148/radiol.2018180237
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
谢谢分享学习
69