人工智能结合PET/CT与高分辨CT对肺部炎性肉芽肿结节定性分析的临床研究

作     者：郭佳 

作者机构：赣州市人民医院核医学科江西赣州341000 

出 版 物：《基层医学论坛》 (The Medical Forum)

年 卷 期：2024年第28卷第27期

页      面：9-13,17页

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

基　　金：赣州市科技计划项目(GZ2021ZSF179) 

主　　题：正电子发射断层/计算机断层显像 高分辨CT 肺部炎性肉芽肿结节 人工智能 

摘      要：目的研究人工智能实现正电子发射断层/计算机断层显像(positron emission tomography/computed tomography,PET/CT)结合高分辨CT进行肺部炎性肉芽肿结节多参数定性诊断的价值。方法选取2020年1月1日—2023年4月30日赣州市人民医院存储的肺结节PET/CT图像、高分辨率CT图像及数据,基于3D CNN网络模型和XGboost分类器建立双通道联合模型,通道1输入结构化的结节特征信息和患者基本信息,通道2输入图像数据,以2020年1月1日—2022年9月30日肺结节图像及数据材料作为训练样本,以2022年10月1日—2023年4月30日的肺结节图像及数据材料作为测试样本,进行20×20×20、30×30×30、40×40×403种体素尺度图像的模型性能实验。结果双通道联合模型下,30×30×30体素尺度下诊断准确率为0.9643±0.0177,灵敏度为0.9614±0.0195,特异度为0.9644±0.0199,曲线下面积(area under curve,AUC)为0.9799±0.0115,显著优于20×20×20、40×40×402种体素尺度,差异有统计学意义(P0.05);医师盲审诊断准确率为0.7984±0.0589,灵敏度为0.7653±0.0678,特异度为0.8439±0.0421,AUC为0.8231±0.0519,显著低于模型诊断表现,差异有统计学意义(P0.05);与单纯输入图像数据采用3D CNN网络进行人工智能辅助诊断相比,3种体素尺度下引入结节特征参数和患者信息的诊断表现明显更优,差异有统计学意义(P0.05)。结论采用双通道联合模型,引入结节特征信息和患者基本信息,进行人工智能结合PET/CT与高分辨CT图像的联合诊断,可有效提高肺部炎性肉芽肿结节的良恶性定性诊断准确率,为医师提供更有价值的辅助诊断信息,具有较高的应用价值。