基于深度神经网络构建的甲状腺平面显像智能识别甲状腺功能状态诊断模型

作     者：乔婷婷 崔志军 蔡海东 孙明 蒋雯 宋影春 郁霞青 佟君羽 潘书涵 赵继胜 吕中伟 李丹 Qiao Tingting;Cui Zhijun;Cai Haidong;Sun Ming;Jiang Wen;Song Yingchun;Yu Xiaqing;Tong Junyu;Pan Shuhan;Zhao Jisheng;Lyu Zhongwei;Li Dan

作者机构：同济大学附属第十人民医院核医学科上海200072 同济大学附属第十人民医院崇明分院影像科202150 上海有孚网络股份有限公司200433 

出 版 物：《中华核医学与分子影像杂志》 (Chinese Journal of Nuclear Medicine and Molecular Imaging)

年 卷 期：2019年第39卷第7期

页      面：403-407页

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：上海市崇明区"可持续发展科技创新行动计划"(CKY2018-28) 

主　　题：甲状腺功能亢进症 甲状腺功能减退症 诊断 神经网络(计算机) 放射性核素显像 99m锝高锝酸钠 

摘      要：目的研发基于深度神经网络的智能识别甲状腺功能状态的诊断模型.方法选取2016年5月至2018年6月1616例(男283例,女1333例,平均年龄52岁)临床已确诊受检者的甲状腺平面显像图,其中甲状腺正常图像299例,甲状腺功能亢进症(简称甲亢)图像876例,甲状腺功能减退症(简称甲减)图像441例.利用2种深度神经网络模型AlexNet和深度卷积生成对抗网络(DCGAN),应用深度学习算法对1000例训练集样本进行特征提取和训练,对616例测试集样本进行效能验证,对2种模型的验证结果分别进行分析,采用Kappa检验进行一致性分析,并分析智能诊断模型的时间优越性.结果AlexNet模型平均诊断时间为1s/例,其对甲状腺功能正常、甲亢和甲减的分类判别准确性分别为82.29%(79/96)、94.62%(369/390)、100%(130/130),分类结果与确诊结果的一致性检验Kappa值为0.886(P0.05);DCGAN模型平均诊断时间为1s/例,其对甲状腺功能正常、甲亢和甲减的分类判别准确性分别为85.42%(82/96)、95.64%(373/390)、99.23%(129/130),分类结果与确诊结果的一致性检验Kappa值为0.904(P0.05).结论深度神经网络智能诊断模型可快速判别甲状腺平面显像中甲状腺的功能状态,识别准确性较高,为甲状腺平面显像图审阅提供了新方式.