人工智能知识图谱和图像分类用于胸部后前位X线片质量控制

作     者：王倩 宋亮亮 韩啸 刘明 张标 赵士博 谷宗运 黄莉莉 李传富 李小虎 余永强 WANG Qian;SONG Liangliang;HAN Xiao;LIU Ming;ZHANG Biao;ZHAO Shibo;GU Zongyun;HUANG Lili;LI Chuanfu;LI Xiaohu;YU Yongqiang

作者机构：安徽医科大学第一附属医院放射科安徽合肥230022 安徽中医药大学医药信息工程学院安徽合肥230012 安徽大学计算机科学与技术学院安徽合肥230093 合肥综合性国家科学中心人工智能实验室安徽合肥230088 安徽省影像诊断质控中心安徽合肥234099 

出 版 物：《中国医学影像技术》 (Chinese Journal of Medical Imaging Technology)

年 卷 期：2024年第40卷第6期

页      面：922-927页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

基　　金：安徽高校协同创新项目(GXXT-2022-031) 

主　　题：胸部 人工智能 质量控制 X线 

摘      要：目的观察人工智能(AI)知识图谱和图像分类对胸部后前位X线片(简称胸片)质量控制(QC)的价值。方法回顾性分析安徽省影像云平台中595家医疗机构共9236幅胸片,构建包含21个分类标签的QC知识图谱。先由10名技师据此对胸片进行2轮单人QC和1轮多人QC,分别将结果记为A、B、C;再以AI算法进行分类评估,将结果记为D。最后由1名QC专家对C、D进行审核并确定最终QC结果,以之为参考评估上述4种QC效果。结果AI算法用于胸片QC的曲线下面积(AUC)均≥0.780,平均AUC为0.939。A、B、C、D胸片QC的平均精确率分别为81.15%、85.47%、91.65%、92.21%。结论AI知识图谱和图像分类技术可有效用于胸部后前位X线片QC。